标签：0.66 交叉 特征 kaggle 0.75 起到 ID
长期以来，自己在做特征的时候，为啥要做交叉特征，已经为什么交叉特征能够起到作用比较迷糊，偶然在kaggle上看见一个例子，完美的解答了这个问题。
数据如下：
| 数据ID | 类别ID | X | GroupX（交叉特征） | Label |
|---|---|---|---|---|
| A | 1 | 1 | 0.75 | 1 |
| B | 1 | 0 | 0.75 | 1 |
| C | 1 | 1 | 0.75 | 1 |
| D | 1 | 1 | 0.75 | 1 |
| E | 2 | 0 | 0.33 | 0 |
| F | 2 | 0 | 0.33 | 0 |
| G | 2 | 1 | 0.33 | 0 |
| H | 3 | 1 | 0.66 | 1 |
| I | 3 | 1 | 0.66 | 1 |
| J | 3 | 0 | 0.66 | 1 |
以决策树为模型，现在如果只使用特征X作为去预测Label，如图所示，那么只有70%的准确率。
现在利用类别ID和特征X做交叉特征，利用类别ID进行groupBy，将sum值除以类别组内基数，得到交叉特征GroupX，再利用交叉特征去预测Label，如图，准确率为100%。
总结
做交叉特征的目的在于，帮助模型去进一步的学习数据，特别是树模型这种无法知道特征与特征之间交互信息的模型。
参考文献
https://www.kaggle.com/c/ieee-fraud-detection/discussion/111453
标签：0.66,交叉,特征,kaggle,0.75,起到,ID 来源： https://www.cnblogs.com/boniface/p/15868316.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。