实习生一枚,刚接手的GBDT+LR的项目,发现lr训练的时候直接用原始特征。连续特征没有离散化,类别也没有做
onehot处理,比如用数值x代表星期几,星期几本身是没有大小的意义。这样训练的结果没有问题吗,求各位高手指点
lr可以用原始特征训练吗?
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
1条回答 默认 最新
- qq_28933351 2019-04-19 18:32关注
没人回答,就自答一波,不对的希望大神指出来。对于线性模型,这样做是不合理,星期几或者年龄可以看做连续特征丢进去训练,但线性模型学习能力有限,捕捉不到非线性特性,就算是有大小意义的连续性特征其与label也存在非线性关系,比如对类似商品的收藏数与是否购买该商品的关系,也应该对其离散化,再进行独热编码,这样就把一个连续特征与label的关系
化成了该特征多个阶段与label直接的关系,引进了非线性关系,所以会有更好的鲁棒性。如果想用原始特征的话应该考虑的复杂的非线性模型。参照李沐老师的话:模型是使用离散特征还是连续特征,其实是一个“海量离散特征+简单模型” 同 “少量连续特征+复杂模型”的权衡解决 无用评论 打赏 举报
悬赏问题
- ¥30 求一段fortran代码用IVF编译运行的结果
- ¥15 深度学习根据CNN网络模型,搭建BP模型并训练MNIST数据集
- ¥15 lammps拉伸应力应变曲线分析
- ¥15 C++ 头文件/宏冲突问题解决
- ¥15 用comsol模拟大气湍流通过底部加热(温度不同)的腔体
- ¥50 安卓adb backup备份子用户应用数据失败
- ¥20 有人能用聚类分析帮我分析一下文本内容嘛
- ¥15 请问Lammps做复合材料拉伸模拟,应力应变曲线问题
- ¥30 python代码,帮调试,帮帮忙吧
- ¥15 #MATLAB仿真#车辆换道路径规划