学习笔记(02):推荐系统核心精讲-数据与特征工程02

立即学习:https://edu.****.net/course/play/26133/325591?utm_source=blogtoedu

数据与特征工程2

（4）特征工程的一般流程和步骤

1）数值处理与特征增强 

缺失值处理：均值、中位数、众数填充

 归一化（统一量纲）：min-max归一化、分位数归一化、正态分布归一化

2）特征表达与构建

类别特征（离散特征）：one-hot编码、TF-IDF编码

数值特征（连续特征）：直接使用（可能通过增强）、离散化（分桶）

3）特征选择

基于统计量：方差（选择方差大的）、皮尔森相关系数（两个变量之间的比较）

基于模型：基于线性模型的系数大小、通过添加或者减少特征让模型效果更好

 

（5）案例：构建特征利用logistic回归做CTR预估

下面是logistic回归模型的公式：