深度学习怎么处理特征波动特别大的数据
来源：10-6 wd模型的训练与模型在测试数据集上的表现
慕哥0458965
2019-05-23
老师，您好，我最近用深度学习中的DeepFm做推荐排序ctr模型，效果比不过gbdt，我发现可能是我的业务数据特征波动太大，比如同一列特征有的样本是0点几，有的样本是几千万，我在网络层用了BatchNorm，但是效果还是不太行，老师，特别想知道深度学习怎么处理这种特征波动很大的数据？为什么gbdt特征波动大就不影响？
非常期待您的回复，谢谢您！
写回答
1回答
-
首先，据我所知，deepfm在工业界落地情况不是很理想，大多数业务产品里木有超出wd。range大提前做特征预处理、归一化啥的。gbdt你看看我讲的原理，大体是按特征排序然后往子树生成。绝对值影响不大 所以不需要归一。
012019-05-23
相似问题