考察高基数 ID 类特征的工业级处理方法。
要点:
nn.Embedding/TF embedding_column)映射成低维向量,向量随模型端到端训练,能学到 ID 间的语义相似度;推荐/搜索的双塔、DeepFM 都依赖此。sklearn 的 FeatureHasher 或手动 hash(id) % B 把海量 ID 映射到固定 B 个桶,彻底解决「新 ID 导致维度爆炸/线上线下不一致」,代价是不同 ID 可能哈希冲突(可接受近似)。import torch
emb = torch.nn.Embedding(num_embeddings=1000000, embedding_dim=32)
vec = emb(torch.tensor([user_id])) # 得到 32 维稠密向量题目与答案就在本页;收藏、批注和错题重练在应用内