机器学习PAI int类型就不能是raw feature吗？

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。

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”