大数据项目特征工程型特征处理（大数据项目特征工程型特征处理包括）

类别型特征处理

类别型数据本身没有大小关系，需要将它们编码为数字，但它们之间不能有预先设定的大小关系，因此既要做到公平，又要区分开它们，那么直接开辟多个空间

One-Hot 编码/哑变量

One-Hot 编码/哑变量所做的就是将类别型数据 平行地展开，也就是说，经过 One-Hot 编码/哑变量后，这个特征的空间会膨胀。

时间型特征处理

时间型特征既可以做连续值，又可以看做离散值。

连续值

–持续时间（网页浏览时长）

–间隔时间（上一次购买/点击离现在的时间间隔）

离散值

–一天中哪个时间段

–一周中的星期几

–一年中哪个月/星期

工作日/周末

统计型特征处理

加减平均：商品价格高于平均价格多少，用户在某个品类下消费超过多少。

分位线：商品属于售出商品价格的分位线处。

次序性：商品处于热门商品第几位。

比例类：电商中商品的好/中/差评比例。

推荐系统常见反馈数据