1樓：失落的薩特
問題中的頻率的定義是什麼。
比如在樣本中出現的次數？特徵非空非零值的覆蓋度？還是對於正負樣本的區分度？
比如實際情況會考慮的，乙個是特徵的覆蓋度，即非空非零的樣本比例，如果覆蓋度太低那麼這個特徵對於大部分樣本的學習沒有任何幫助；乙個是這個特徵的區分度，即這個特徵能不能把待排序的樣本區分開來。比如使用者的年齡性別購買力，對於給某個使用者展示的待排序商品來說，這些特徵都是一樣的，對於正負樣本的區分度上就可能弱於一些商品側的特徵 (使用者側特徵在網路中會和其他特徵做非線性加權和，所以對打分的嚴格的影響是不好估計的，這裡只是指經驗上的區分度）。
2樓：冰茶配美心
區分高頻或者低頻特徵的目的是什麼呢？
如果只是想做特徵工程直接分箱就行了
如果想挑特徵，直接用GBDT等整合樹列印一下特徵重要性就行了
3樓：南宮焱
這個其實主要是從業務理解出發的。沒有乙個通用的閾值。你其實可以算一下每個特徵的chi-square value，這個其實可以看到的是特徵的重要性以及在正負樣本裡面的偏差。
我個人認為從資料上定義高頻和低頻可能會和業務上有一些差距，畢竟不管什麼模型最後都是要用在業務上的。
4樓：人形Machine
這個區分不知道你的目的是啥，這個需要一些玄學的東西。比如從產品業務邏輯出發，根據使用者行為週期劃分，週期內的高頻，跨週期的低頻。
如何用通俗的語言解釋CTR和推薦系統中常用的Feature Hashing技術以及其對應的優缺點？
最近恰好看到這個，也看到了些比較好的回答，整理搬運一下吧。推薦系統中含有大量大量categorical，無法直接用LR模型。再次，ctr領域或者說高維大資料領域，資料集或多或少的存在稀疏問題。主流ML庫都會實現一套稀疏矩陣，應對該問題。feature hashing又稱feature trick，類...
推薦系統中如何做 User Embedding？
朱果汁 社交網路領域會用到很多對user進行embedding的方法，需要使用者與使用者之間的關聯資訊 比如共同參與活動或者是互相關注 生成使用者的網路以後來進行embedding。 Louis 1.根據pretrain的item的embed，weighted pooling user的embed ...
如何正確看待內部推薦或者走後門？兩者有何區別？公平麼？
北極 內推或者俗稱的走後門向來是被奉為價效比最高的求職方法，走後門也是常常被眾人不齒的方法，該如何看待這些方法的公平性和合理性？題主還是乙個學生吧？先糾正幾個觀點 首先，內推也是要經過面試筆試的。其次，內推也不是一定會成功的。並且內推也不是隨便什麼人都能推薦，推薦人在提交簡歷的時候肯定會用腦子想想合...