机器学习PAI想咨询一下，是否支持不做embedding层，直接将特征原值作为输入呢？
机器学习PAI想咨询一下，easyrec做RawFeature这种连续值特征输入时，是否支持不做embedding层，直接将特征原值作为输入呢？
写回答
-
在阿里云的机器学习PAI（Platform for AI Innovation）中，EasyRec模型对于连续值特征（即RawFeature）的处理方式是将其转换为数值向量，而不是直接使用原始值。这是因为深度学习模型通常需要输入数值向量，而不是原始的数值。
然而，如果你确实希望保留原始值，你可以尝试使用一些其他的机器学习模型，比如逻辑回归或者线性回归，这些模型可以直接接受原始值作为输入。
另外，如果你希望在模型中保留原始值，你也可以考虑使用一些特定的预处理方法，比如归一化或者标准化，这些方法可以帮助你在保持原始值的同时，将其转换为模型可以接受的格式。
2023-10-30 11:38:38赞同 展开评论 打赏 -
支持，不配置embedding_dim就好了.easyrec做RawFeature这种连续值特征输入时，是否支持不做embedding层，直接将特征原值作为输入,根据已知的参考内容信息，可以将连续值特征直接作为输入，不需要做embedding层。因此，easyrec支持不做embedding层，直接将特征原值作为输入。，此回答整理自钉群“【EasyRec】推荐算法交流群”
2023-10-30 08:04:08赞同 展开评论 打赏 -
面对过去，不要迷离；面对未来，不必彷徨；活在今天，你只要把自己完全展示给别人看。如果你想要避免使用Embedding层，你可以考虑将连续值特征转换为类别特征，然后再将其作为输入。这可以通过 pandas.get_dummies() 函数或者 sklearn.preprocessing.OrdinalEncoder 类实现。但是请注意，这种方法可能会导致特征维度的增加，从而增加模型的复杂性。
2023-10-29 22:34:40赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
