查看以下选项。
加利福尼亚州不同城市的房价明显不同。
假设您必须创建一个模型来预测房价。以下哪组特征或特征组合可以学习
roomsPerPerson 与房价之间特定于城市的关系？
三个独立的分箱特征：[binned 纬度]、[分箱经度]、[binned roomPerPerson]
分箱是一种很好的方法，因为它可让模型在单个特征中学习非线性关系。但是，一个城市存在于多个维度上，因此学习特定于城市的关系需要跨越纬度和经度。
一个特征组合：[纬度 X 经度 X roomPerPerson]
在此示例中，不交叉组合实值特征。将纬度的真实值与 roomPerPerson 组合后，一个特征（例如纬度）的 10% 变化就相当于另一个特征（例如 roomPerPerson）的 10% 的变化。
一个特征组合：[binned 纬度 X 分箱经度 X 分箱 roomPerPerson]
将分箱纬度与分箱经度组合可以让模型了解 roomPerPerson 特定于城市的效果。分箱可防止纬度变化与经度变化产生相同的结果。根据分类的粒度，该特征交叉可能会学习特定于城市、街区或甚至特定于街区的效果。
两个特征组合：[binned radius X binned roomsPerPerson] 和 [binned 经度 X binned roomsPerPerson]
分箱是一个好主意；不过，城市是纬度和经度的结合体，因此单独的特征组合会导致模型无法了解特定于城市的价格。