组建训练集时，有时必须联接多个数据源。
日志类型
您可能使用以下任一种输入数据：
- 事务日志
- 属性数据
- 汇总统计信息
事务日志会记录特定事件。例如，事务日志可能会记录进行查询的 IP 地址以及发出查询的日期和时间。事务性事件对应于特定事件。
属性数据包含信息快照。例如：
- 用户受众特征
- 查询时的搜索记录
特性数据并非特定于某个事件或时刻，但仍然可用于进行预测。对于不与特定事件相关的预测任务（例如，预测用户流失，这涉及到一个时间范围，而不是单个时刻），特性数据可能是唯一的数据类型。
特性数据和事务日志相关。例如，您可以通过汇总多个事务日志来创建汇总类型的统计信息，从而创建一类属性数据。在这种情况下，您可以查看许多事务日志，以便为用户创建单个特性。
汇总统计信息用于根据多个事务日志创建一个特性。例如：
- 用户查询频率
- 特定广告的平均点击率
联接日志源
每种类型的日志往往位于不同的位置。为机器学习模型收集数据时，您必须将不同的来源联接起来才能创建数据集。一些示例：
- 利用事务日志中的用户 ID 和时间戳，在事件发生时查找用户属性。
- 使用交易时间戳选择查询时的搜索记录。
预测数据源 - 在线与离线
在机器学习速成课程中，您了解了在线与离线服务。您的选择会对系统收集数据的方式产生以下影响：
- 在线 - 延迟是一个问题，因此您的系统必须快速生成输入。
- 离线 - 您可能没有计算限制，因此可以像训练数据生成那样执行类似的复杂操作。
例如，经常需要从其他系统查询属性数据，这可能会造成延迟问题。同样，即时计算的统计信息也很昂贵。如果延迟时间是阻碍因素，一种可能的原因是预计算这些统计信息。