特征工程相关问题

一、特征工程中的偏差问题

1、为什么说，用物料的后验消费数据做召回存在“幸存者偏差”？能将这些消费数据用于排序吗？

        只观察了已经被消费了的数据，而忽略了同样很好但是没有消费的数据。会导致已经消费了的产品产生马太效应。

        可以。

2、使用物料的后验消费数据做召回，会放大“马太效应”，对新物料不友好，如何缓解？

        1）采用相对应的纠偏模型

        2）引入新物料友好特征。

3、解释什么是bias特征？你能举出哪些bias特征的例子？

4、bias特征怎样接入模型？能否和其他正常特征一起喂入DNN底层？为什么？

二、特征工程中冷启动问题

5、某男性新用户对“体育”这个分类的喜好程度未知，如何填充？

6、某新物料的后验指标未知，如何填充？

三、特征工程中的特征类别化问题

7、对观看次数、观看时长这样的特征，如何做标准化？

8、某个物料曝光2次，被点击1次，如何计算它的CTR?

9、有一个特征“某文章过去1天的点击率是10%”，如何将其构建成一个类别特征，并喂入推荐模型？