两个特征是在不同的时间测量的，但属于同一个目标。在哪些条件或形式下可以对这些特征进行建模？或者它们不应该在同一个模型中使用，而是分别建模？例如，我试图通过查看用户的鼠标动态数据和键盘动态数据来识别用户，但是，这两者是独立测量的，但它们属于同一个人（我对许多用户都有这种情况）。为了更好地解释它，想象一下，就像我给用户一个文本，让他们使用键盘反复书写（我记录了他们的键盘使用情况），同样我给了他们一个不同的任务来重复使用鼠标（我也记录了这一点）。每个特征的样本量也不同。
我们可以在同一个 ML 模型中使用两个独立测量的特征吗？
数据挖掘
数据
机器学习模型
特征工程
2022-03-03 14:07:47
1个回答
在示例中，我假设一个实例对应于一个用户，并且您拥有鼠标和键盘的完整序列作为预测用户的特征。我可以想到在同一模型中使用这些功能的两种选择：
- 通过特征工程，找到一种方法将两个序列表示为固定的特征数组。例如，您可能具有诸如平均打字速度平均鼠标速度、鼠标移动次数、每个键被按下的次数等特征。
- 类似的想法，但采用更深度的方法：找到一种将两个序列表示为嵌入的方法（有用于词嵌入、句子嵌入、图嵌入的方法......）
在我看来，主要问题是序列的可变长度，而不是它们未对齐的事实（如果目标变量是序列中的一个元素，对齐将很重要）。
其它你可能感兴趣的问题