Изучите варианты ниже.
В разных городах Калифорнии заметно различаются цены на жилье . Предположим, вы должны создать модель для прогнозирования цен на жилье. Какой из следующих наборов признаков или совмещений признаков мог бы выявить специфические для города взаимосвязи между
roomsPerPerson и ценой на жилье? Три отдельных объекта в бинах: [широта в бинах], [долгота в бинах], [комнаты в бинах на человека]
Биннинг хорош тем, что позволяет модели изучать нелинейные отношения внутри одного объекта. Однако город существует более чем в одном измерении, поэтому изучение специфических для города отношений требует пересечения широты и долготы.
Пересечение одной функции: [широта X долгота X roomPerPerson]
В этом примере пересечение вещественных признаков не является хорошей идеей. Пересечение реального значения, скажем, широты с roomPerPerson позволяет сделать 10-процентное изменение одного признака (скажем, широты) эквивалентным 10-процентному изменению другого признака (скажем, roomPerPerson).
Пересечение одной функции: [широта в бинах X долгота в бинах X бинированные комнатыPerPerson]
Пересечение бинированной широты с бинарной долготой позволяет модели изучать специфические для города эффекты roomPerPerson. Биннинг предотвращает изменение широты, приводящее к тому же результату, что и изменение долготы. В зависимости от степени детализации бинов, этот кросс-функция может изучать эффекты, специфичные для города, района или даже квартала.
Два пересечения признаков: [широта в бинах X бинированные комнаты на человека] и [бинированная долгота х в бинах на человека]
Биннинг — хорошая идея; однако город представляет собой сочетание широты и долготы, поэтому отдельные кресты объектов не позволяют модели изучать цены для конкретного города.