很可惜 T 。T 您現(xiàn)在還不是作者身份,不能自主發(fā)稿哦~
如有投稿需求,請把文章發(fā)送到郵箱tougao@appcpx.com,一經錄用會有專人和您聯(lián)系
咨詢如何成為春羽作者請聯(lián)系:鳥哥筆記小羽毛(ngbjxym)
我們在做策略迭代的時候,通常會設計到模型的優(yōu)化,當然模型本身肯定是算法來做,但是從產品層面來講,我們需要知道優(yōu)化的方向和具體實施的思路。
其中,增加,刪除或者優(yōu)化特征就是一項常見的模型優(yōu)化方案。那么了解模型場景的特征類型以及處理辦法就很重要。
今天跟大家聊聊策略產品當中那些數(shù)值類型的特征怎么處理?
我們有時候也會經常稱之為定量數(shù)據特征,也就是一個事物具備的客觀信息。
數(shù)值類型的數(shù)據具有實際“多少”的含義,例如人的身高、體重、血壓等,或者是人的數(shù)量,再比如一個頁面被瀏覽多少次、一個商品被下單多少次等等,都可以稱作是數(shù)值。
按照值的連續(xù)性劃分,數(shù)值類型的數(shù)據可以分為離散型和連續(xù)型。離散型數(shù)據表示的量是可數(shù)的,其可以是有限個值,也可以是無限個值。例如,100次硬幣投擲中正面朝上的個數(shù)取值為到100,但是獲得100次正面朝 上所需要的投擲次數(shù)取值為0到正無窮。
連續(xù)型數(shù)據表示測量得到的量,其取值是不可數(shù)的,可以用坐標軸上的區(qū)間表示。比如某個場景下男性的身高在[1.70-1.80]之間。
很多時候,我們都可以直接在模型當中輸入這些數(shù)值類型的特征進行模型訓練,但是也需要注意幾個點:
需要清楚的是,不是所有數(shù)據都是可以當中數(shù)值類型的特征拿來用作模型輸入的,策略產品經理也要意識到這一點。
比如我們之前在京東做過一個用戶偏好的模型預測策略,也就是怎么通過用戶在平臺上的各種行為數(shù)據來預測用戶近期可能的感興趣的東西是什么。
我們拿用戶瀏覽商品詳情頁的行為來舉例,在我們給到偏好計算模型的瀏覽數(shù)據的時候,需要考慮一個點:所有商品的瀏覽數(shù)據都需要加入計算么?
顯然不是。
比如一些明顯是爬蟲數(shù)據,作弊數(shù)據,可疑數(shù)據等等這些數(shù)據其實是不能當作數(shù)值特征進行輸入,對于偏好模型來說,這些數(shù)據就是臟數(shù)據,有時候也叫“噪聲”。
怎么辦?比如我們當時采用的辦法就是給商品詳情頁定義一個叫有效瀏覽時長的閾值,超過閾值的我們認為是有效數(shù)據,低于閾值的數(shù)據,我們認為是臟數(shù)據。
對于特征缺失,我們有兩類處理法。第一種是我們通過一定的手段給當前特征補一個值,例如:最簡單的方法是補一個均值;對于數(shù)值內部不均勻的變量,更加健壯一些的方法則是補一個中位數(shù);
當然,也可以將其直接忽略,但是通常需要關注這些特征的量有多少。
很多時候,在我們處理特征的時候會發(fā)現(xiàn)數(shù)據之間不具備可比性,言外之意就是數(shù)據的分布極度的不均勻,直白點說就是:大的特別大,小的特別小。
這個時候我們就需要把數(shù)據無量綱化處理,從而主要解決數(shù)據的可比性問題,這個就是一個數(shù)值標準化的過程,比較常用的就是歸一化處理。
最常用的三種歸一化手段我簡單列一下,如果詳細了解可以在技術博客查看一些相關的文章。
min-max歸一化
x位當前值,min為該特征下的最小值,max為該特征下的最大值
對數(shù)歸一化
x為原始數(shù)據中的一個數(shù)據,Xmax表示原始數(shù)據中的最大值
指數(shù)歸一化
同樣,x為原始數(shù)據中的一個常數(shù),e為自然常數(shù)。
當然,以上是常見的幾種數(shù)值特征的應用,其他應用方式還有很多,比如特征的交叉使用,特征截斷處理等等。
其實,如果你做策略有一段時間了,你會發(fā)現(xiàn)一個問題,就是最終決定采取哪些特征,特征怎么處理,核心的出發(fā)點還是要基于當前的業(yè)務和數(shù)據,然后制定合適的收斂目標給到模型。
而最終衡量模型效果的好壞也絕對不是你用了什么高大上的算法,牛逼的模型,記住一句話:撇開業(yè)務談策略都是耍流氓。
本文為作者獨立觀點,不代表鳥哥筆記立場,未經允許不得轉載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問,請點擊 反饋舉報
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯(lián)網信息辦公室“依法管網、依法辦網、依法上網”的要求,為完善跟帖評論自律管理,為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍,我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容,同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。
一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī),對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息,主要表現(xiàn)為:
1)反對憲法所確定的基本原則;
2)危害國家安全,泄露國家秘密,顛覆國家政權,破壞國家統(tǒng)一,損害國家榮譽和利益;
3)侮辱、濫用英烈形象,歪曲、丑化、褻瀆、否定英雄烈士事跡和精神,以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽;
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動;
5)煽動民族仇恨、民族歧視,破壞民族團結;
6)破壞國家宗教政策,宣揚邪教和封建迷信;
7)散布謠言,擾亂社會秩序,破壞社會穩(wěn)定;
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪;
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序;
10)侮辱或者誹謗他人,侵害他人名譽、隱私和其他合法權益;
11)通過網絡以文字、圖片、音視頻等形式,對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的;
12)危害未成年人身心健康的;
13)含有法律、行政法規(guī)禁止的其他內容;
2. 不友善:不尊重用戶及其所貢獻內容的信息或行為。主要表現(xiàn)為:
1)輕蔑:貶低、輕視他人及其勞動成果;
2)誹謗:捏造、散布虛假事實,損害他人名譽;
3)嘲諷:以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述,以此來激怒他人;
4)挑釁:以不友好的方式激怒他人,意圖使對方對自己的言論作出回應,蓄意制造事端;
5)羞辱:貶低他人的能力、行為、生理或身份特征,讓對方難堪;
6)謾罵:以不文明的語言對他人進行負面評價;
7)歧視:煽動人群歧視、地域歧視等,針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊;
8)威脅:許諾以不良的后果來迫使他人服從自己的意志;
3. 發(fā)布垃圾廣告信息:以推廣曝光為目的,發(fā)布影響用戶體驗、擾亂本網站秩序的內容,或進行相關行為。主要表現(xiàn)為:
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式:
2)單個帳號多次發(fā)布包含垃圾廣告的內容;
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容;
4)多次發(fā)布包含欺騙性外鏈的內容,如未注明的淘寶客鏈接、跳轉網站等,誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光;
6)購買或出售帳號之間虛假地互動,發(fā)布干擾網站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容,如通過偽造經歷、冒充他人等方式進行惡意營銷;
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息,主要表現(xiàn)為:
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述;
2)涉及色情段子、兩性笑話的低俗內容;
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容;
4)帶有性暗示、性挑逗等易使人產生性聯(lián)想;
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適;
6)炒作緋聞、丑聞、劣跡等;
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息,主要表現(xiàn)為:
1)可能存在事實性錯誤或者造謠等內容;
2)存在事實夸大、偽造虛假經歷等誤導他人的內容;
3)偽造身份、冒充他人,通過頭像、用戶名等個人信息暗示自己具有特定身份,或與特定機構或個人存在關聯(lián)。
6. 傳播封建迷信,主要表現(xiàn)為:
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治病;
2)求推薦算命看相大師;
3)針對具體風水等問題進行求助或咨詢;
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失,包括通過占卜方法問婚姻、前程、運勢,東西寵物丟了能不能找回、取名改名等;
7. 文章標題黨,主要表現(xiàn)為:
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導用戶;
2)內容與標題之間存在嚴重不實或者原意扭曲;
3)使用夸張標題,內容與標題嚴重不符的。
8.「飯圈」亂象行為,主要表現(xiàn)為:
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論,影響傳播秩序
9. 其他危害行為或內容,主要表現(xiàn)為:
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的;
2)不當評述自然災害、重大事故等災難的;
3)美化、粉飾侵略戰(zhàn)爭行為的;
4)法律、行政法規(guī)禁止,或可能對網絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時,本網站將依據相關用戶違規(guī)情節(jié)嚴重程度,對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號,或者濫用多個帳號發(fā)布違規(guī)內容時,本網站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富,本網站出于維護本網站氛圍和秩序的目的,將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議,可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)