本文介绍了特征工程中的关键步骤——数据采集、数据清洗和数据采样。在数据采集阶段，以预测用户下单情况为例，强调了需要收集的商品、店铺和用户信息。数据清洗过程中，通过简单属性和组合属性判定来识别并去除脏数据。数据采样时，由于正负样本不平衡，提出了随机采样和分层抽样的方法，其中分层抽样更适用于保持数据分布的均衡性。
一、数据采集：数据采集前需要明确采集哪些数据，一般的思路为：哪些数据对最后的结果预测有帮助？数据我们能够采集到吗？线上实时计算的时候获取是否快捷？
举例1：我现在要预测用户对商品的下单情况，或者我要给用户做商品推荐，那我需要采集什么信息呢？
-店家：店铺的评分、店铺类别……
-商品：商品评分、购买人数、颜色、材质、领子形状……
-用户：历史信息（购买商品的最低价最高价）、消费能力、商品停留时间……
二、数据清洗： 数据清洗也是很重要的一步，机器学习算法大多数时候就是一个加工机器，至于最后的产品如何
最低0.47元/天 解锁文章
588
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
