아래 옵션을 살펴보세요.

캘리포니아의 도시마다 현저하게 주택 가격. 주택 가격을 예측하기 위해 모델을 만들어야 한다고 가정해 보세요. 다음 중 다음 특성 세트나 특성 교차를 학습하여 roomsPerPerson과(와) 사이의 도시별 관계 주택 가격

별도의 비닝된 특성 세 개: [비닝된 위도], [비닝된 경도], [비닝된 RoomPerPerson]

비닝을 사용하면 모델이 비선형을 학습할 수 있으므로 좋은 방법입니다. 하나의 특성 안에서 관계를 맺을 수 있습니다. 하지만 둘 이상의 측정기준을 사용하므로 도시별 관계를 파악할 수 있습니다. 위도와 경도를 교차해야 합니다.

특성 교차 1개: [위도 X 경도 X roomsPerPerson]

이 예에서 실수값 특성을 교차하는 것은 좋은 생각이 아닙니다. 예를 들어 위도의 실제 값을 RoomsPerPerson은 하나의 특성 (예: 위도)을 10% 변경할 수 있습니다. 이는 다른 기능 (예: RoomsPerPerson)을 사용하세요.

특성 교차 1개: [비닝된 위도 X 비닝된 경도 X 비닝됨 roomsPerPerson]

비닝된 위도와 비닝된 경도를 교차하면 RoomsPerPerson의 도시별 효과를 학습합니다. 비닝은 위도가 변경되어도 동일한 결과를 얻지 못하게 합니다. 경도의 변화로 해석됩니다. Kubernetes의 세부사항에 따라 이 특성 교차를 통해 도시별 또는 지역별로 또는 블록별로 효과를 발휘할 수 있습니다.

특성 교차 2개: [비닝된 위도 X 비닝된 채팅방PerPerson] 및 [비닝된 경도 X 비닝된 채팅방PerPerson]

비닝을 사용하는 것이 좋습니다. 도시는 따라서 별도의 특성 교차는 도시별 가격을 학습하는 모델입니다.