这确实是一个很好的问题，尽管一旦你是 Facebook 或 Google 等，你就会遇到相反的问题：如何将功能的数量从数十亿减少到十亿左右。

那里确实有数十亿个功能。

想象一下，在您的特征向量中，您有数十亿个可能的短语，用户可以在搜索引擎中输入这些短语。或者，您有数十亿个用户可以访问的网站。或者用户可以登录系统的数百万个位置。或者用户可以发送邮件或接收邮件的数十亿个邮件帐户。

或者，切换到类似社交网站的问题。想象一下，在您的特征向量中，您有数十亿用户，特定用户可能知道这些用户，或者与这些用户有一定程度的分离。您可以添加用户可以在其 SNS 供稿中发布的数十亿个链接，或者用户可以“喜欢”的数百万个页面（或执行 SNS 允许他执行的任何操作）。

从语音和图像识别到生物学、化学等的各个分支，在许多领域都可能发现类似的问题。我喜欢你的问题，因为这是深入研究处理大量特征问题的一个很好的起点。祝你探索这个地区好运！

由于您的评论而更新：

使用二进制以外的功能只是想象事物的一步。您可以以某种方式对搜索进行聚类，并计算特定聚类的搜索频率。

在 SNS 设置中，您可以建立用户之间的关系向量，定义为分离程度，而不是仅仅作为朋友或不是朋友的二元特征。

想象一下全球公司持有数百万用户的日志。有很多东西可以用比二进制更详细的方式来衡量。

一旦我们考虑在线设置，事情就会变得更加复杂。在这种情况下，您没有时间进行复杂的计算，并且您通常会留下二进制特征，因为它们更便宜。

不，我并不是说，一旦问题减少到神奇的十亿个特征，问题就会变得容易处理。我只是说，经过大量努力减少维度数量后，您可能最终会获得十亿个特征。