APP推广合作
联系“鸟哥笔记小乔”
以京东策略迭代为例讲一下数值特征的应用
2022-09-27 13:37:29

我们在做策略迭代的时候,通常会设计到模型的优化,当然模型本身肯定是算法来做,但是从产品层面来讲,我们需要知道优化的方向和具体实施的思路。

其中,增加,删除或者优化特征就是一项常见的模型优化方案。那么了解模型场景的特征类型以及处理办法就很重要。

今天跟大家聊聊策略产品当中那些数值类型的特征怎么处理?

什么叫数值类型的特征?

我们有时候也会经常称之为定量数据特征,也就是一个事物具备的客观信息。

数值类型的数据具有实际“多少”的含义,例如人的身高、体重、血压等,或者是人的数量,再比如一个页面被浏览多少次、一个商品被下单多少次等等,都可以称作是数值。

按照值的连续性划分,数值类型的数据可以分为离散型和连续型。离散型数据表示的量是可数的,其可以是有限个值,也可以是无限个值。例如,100次硬币投掷中正面朝上的个数取值为到100,但是获得100次正面朝 上所需要的投掷次数取值为0到正无穷。

连续型数据表示测量得到的量,其取值是不可数的,可以用坐标轴上的区间表示。比如某个场景下男性的身高在[1.70-1.80]之间。

很多时候,我们都可以直接在模型当中输入这些数值类型的特征进行模型训练,但是也需要注意几个点:

1. 脏数据的处理

需要清楚的是,不是所有数据都是可以当中数值类型的特征拿来用作模型输入的,策略产品经理也要意识到这一点。

比如我们之前在京东做过一个用户偏好的模型预测策略,也就是怎么通过用户在平台上的各种行为数据来预测用户近期可能的感兴趣的东西是什么。

我们拿用户浏览商品详情页的行为来举例,在我们给到偏好计算模型的浏览数据的时候,需要考虑一个点:所有商品的浏览数据都需要加入计算么?

显然不是。

比如一些明显是爬虫数据,作弊数据,可疑数据等等这些数据其实是不能当作数值特征进行输入,对于偏好模型来说,这些数据就是脏数据,有时候也叫“噪声”。

怎么办?比如我们当时采用的办法就是给商品详情页定义一个叫有效浏览时长的阈值,超过阈值的我们认为是有效数据,低于阈值的数据,我们认为是脏数据。

2. 缺失值处理

际问题中经常会遇到特征缺失的情形,也就是有些特征的具体值为空,缺失特征的处理方式会影响模型效果

对于特征缺失,我们有两类处理法。第一种是我们通过一定的手段给当前特征补一个值,例如:最简单的方法是补一个均值;对于数值内部不均匀的变量,更加健壮一些的方法则是补一个中位数;

当然,也可以将其直接忽略,但是通常需要关注这些特征的量有多少。

3. 数值标准化

很多时候,在我们处理特征的时候会发现数据之间不具备可比性,言外之意就是数据的分布极度的不均匀,直白点说就是:大的特别大,小的特别小。

这个时候我们就需要把数据无量纲化处理,从而主要解决数据的可比性问题,这个就是一个数值标准化的过程,比较常用的就是归一化处理。

最常用的三种归一化手段我简单列一下,如果详细了解可以在技术博客查看一些相关的文章。

  • min-max归一化

x位当前值,min为该特征下的最小值,max为该特征下的最大值

  • 对数归一化

x为原始数据中的一个数据,Xmax表示原始数据中的最大值

  • 指数归一化

同样,x为原始数据中的一个常数,e为自然常数。

当然,以上是常见的几种数值特征的应用,其他应用方式还有很多,比如特征的交叉使用,特征截断处理等等。

其实,如果你做策略有一段时间了,你会发现一个问题,就是最终决定采取哪些特征,特征怎么处理,核心的出发点还是要基于当前的业务和数据,然后制定合适的收敛目标给到模型。

而最终衡量模型效果的好坏也绝对不是你用了什么高大上的算法,牛逼的模型,记住一句话:撇开业务谈策略都是耍流氓

夏唬人
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
超级nice便签砖
超级超级超级奈斯!
1000羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
夏唬人
夏唬人
发表文章62
京东/美团/阿里策略产品专家。《策略产品经理,数据赋能业务》作者
确认要消耗 羽毛购买
以京东策略迭代为例讲一下数值特征的应用吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接