請瀏覽下列選項。

加州不同城市 住宅價格。 假設您必須建立模型來預測房價。下列何者是 以下這組特徵或特徵組合可協助學習 roomsPerPerson 和 城市特定的關係 房價？

以下三個獨立的繫結地圖項目：[binned latitude]、 [特徵分塊]、[繫結的房間每人]

特徵分塊有助於模型學習非線性 單一特徵之間的關係不過， 因此需要從多個維度中學習 需要跨越經緯度。

一個交叉地圖項目： [緯度 X 經度 X roomsPerPerson]

在本例中，比較不交叉的真實價值特徵。 例如和緯度比較的實際值 RoomPerPerson 讓一項地圖項目 (例如緯度) 出現 10% 的變化 相當於另一項功能 10% 的變化 (假設 雙人房)。

一個交叉地圖項目：[繫結制緯度 X binned longitude X binned roomsPerPerson]

交錯組合緯度和二進位經度後， 來學習 roomPerPerson 對城市的影響 特徵分塊可避免緯度變化產生相同的結果 進行轉換。取決於 特徵交叉點就能得知特定城市 社區特定影響，甚至區塊特定效果

兩項地圖項目十字架：[binned latitude X binned roomPerPerson] 和 [binned longitude X binned roomPerPerson]

繫結機制是不錯的做法，但城市 因此交叉比對功能會防止 模型會從中學習各城市的價格