机器学习入门09 - 特征组合 (Feature Crosses)

原文链接：https://developers.google.com/machine-learning/crash-course/feature-crosses/

特征组合是指两个或多个特征相乘形成的合成特征。
特征的相乘组合可以提供超出这些特征单独能够提供的预测能力。

1- 对非线性规律进行编码

特征组合是指通过将两个或多个输入特征相乘来对特征空间中的非线性规律进行编码的合成特征。
通过创建一个特征组合可以解决非线性问题。

特征组合的种类

可以创建很多不同种类的特征组合。例如：

• [A X B]：将两个特征的值相乘形成的特征组合。
• [A x B x C x D x E]：将五个特征的值相乘形成的特征组合。
• [A x A]：对单个特征的值求平方形成的特征组合。

通过采用随机梯度下降法，可以有效地训练线性模型。
因此，在使用扩展的线性模型时辅以特征组合一直都是训练大规模数据集的有效方法。

2- 组合独热矢量

在实践中，机器学习模型很少会组合连续特征。
不过，机器学习模型却经常组合独热特征矢量，将独热特征矢量的特征组合视为逻辑连接。
根据多个特征构建特征组合，最终获得的预测能力将远远超过任一特征单独的预测能力。

假设需要根据以下两个