立即学习:https://edu.csdn.net/course/play/26133/323851?utm_source=blogtoedu
数据格式分为3类:
- 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
- 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
- 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:
- 类别特征:比如性别、等级;
- 数值特征:比如身高;
- 时空特征:时间、地理位置;
从特征的可解释性来分类:
- 显示特征:类别、数值、时空、TF-IDF、LDA;
- 隐示特征:矩阵分解、word2vec