类别型特征处理
类别型数据本身没有大小关系，需要将它们编码为数字，但它们之间不能有预先设定的大小关系，因此既要做到公平，又要区分开它们，那么直接开辟多个空间
One-Hot 编码/哑变量
One-Hot 编码/哑变量所做的就是将类别型数据 平行地展开，也就是说，经过 One-Hot 编码/哑变量后，这个特征的空间会膨胀。
时间型特征处理
时间型特征既可以做连续值，又可以看做离散值。
连续值
–持续时间（网页浏览时长）
–间隔时间（上一次购买/点击离现在的时间间隔）
离散值
–一天中哪个时间段
–一周中的星期几
–一年中哪个月/星期
工作日/周末
统计型特征处理
加减平均：商品价格高于平均价格多少，用户在某个品类下消费超过多少。
分位线：商品属于售出商品价格的分位线处。
次序性：商品处于热门商品第几位。
比例类：电商中商品的好/中/差评比例。
推荐系统常见反馈数据
想要了解跟多关于大数据培训课程内容欢迎关注尚硅谷大数据培训，尚硅谷除了这些技术文章外还有免费的高质量大数据培训课程视频供广大学员下载学习。
上一篇: 大数据培训基于内容推荐系统的高层次结构
下一篇: 大数据培训基于 UGC 的推荐
