机器学习PAI int类型就不能是raw feature吗？
机器学习PAI int类型就不能是raw feature吗?也就是你们设置的raw feature 只能是FLOAT或者double吗?
写回答
-
在机器学习PAI中，raw feature可以是多种数据类型，包括int、float、double以及字符串等。这些原始特征都可以作为模型训练的输入。"raw feature"这个词通常指的是未经预处理或转换的原始数据特征。对于整数类型（int）的特征，它们完全可以在机器学习PAI中作为raw feature使用。例如，在处理分类任务时，类别编号常常就是整数类型的raw feature。
在某些情况下，可能需要对整数特征进行一些预处理或标准化，比如归一化或者离散化，这取决于具体的机器学习算法和问题需求。这是因为不同的算法可能对特征的尺度和分布有不同的假设和要求。
int类型的特征完全可以作为raw feature在机器学习PAI中使用，但在实际应用中可能需要根据具体情况进行适当的预处理。 FLOAT和DOUBLE类型通常用于表示连续数值特征，而INT类型则常用于表示离散或有序的分类特征。
2023-12-20 17:18:25赞同 展开评论 打赏 -
input_fields｛input_name："i_hotel_cnt_comment"
input_type:INT32
｝
这个地方的int32改成float吧 原始数据可以是int 配置要写成float ，此回答整理自钉群“【EasyRec】推荐算法交流群”2023-12-20 10:06:35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。
