浏览以下选项。

加利福尼亚州不同城市的效果 房价。 假设您必须创建一个模型来预测房价。其中哪一个 学习到的特征集或特征组合 roomsPerPerson 与具体城市之间的关系 房价？

三个独立的分箱特征：[binned latitude]、 [binned longitude]、[binned roomsPerPerson]

分箱很好，因为它可以让模型学习非线性 单个特征之间的关系。但如果某个城市 因此，要学习与城市相关的具体关系， 要求结合使用纬度和经度。

一个特征组合： [纬度 X 经度 X roomsPerPerson]

在本例中，建议不要组合实值特征。 例如，将纬度的实值与 RoomPerPerson 在一项功能（比如纬度）上实现 10% 的变化。 相当于另一个特征的 10% 变化（例如， roomPerPerson）。

一个特征组合：[分箱纬度 X 分箱经度 X 分箱 roomsPerPerson]

将分箱纬度与分箱经度交叉可以实现 该模型学习 RoomPerPerson 对城市特有的影响。 分箱可防止纬度发生变化产生相同的结果 以经度的变化表示具体取决于 这个特征组合可以学习特定于城市或 特定街区甚至区域特有的影响。

两个特征组合：[binned latitude X binned roomsPerPerson] 和[binned longitude X binned roomsPerPerson]

分箱是一个好主意而“城市”则是 因此单独的特征组合可防止 来学习特定城市的价格。