学习笔记(04):推荐系统核心精讲-数据与特征工程01

立即学习:https://edu.csdn.net/course/play/26133/323851?utm_source=blogtoedu

数据格式分为3类：

1. 结构化数据：主要是文本类的，用户属性数据、物品属性数据一般是结构化的
2. 半结构化数据：日志类数据一般是半结构化的，用户行为数据一般是json，会存在嵌套的情况，属于这类数据
3. 非结构化数据：包含音频、图片、视频等

特征通常是建立在原始数据之上的特定表示，它是一个单独的可测量属性，通用用数据集中的列表示；

 

特征工程是将原始数据转化为特征的过程，这些特征可以更好地向预测模型描述潜在问题，从而提高模型对未见数据的准确性；

 

特征的分类

从特征值类型来分类：

1. 类别特征：比如性别、等级；
2. 数值特征：比如身高；
3. 时空特征：时间、地理位置；

从特征的可解释性来分类：

1. 显示特征：类别、数值、时空、TF-IDF、LDA；
2. 隐示特征：矩阵分解、word2vec