什么是特征交叉？为什么它是推荐系统的秘密武器？
什么是特征交叉？为什么它是推荐系统的秘密武器？
🚀 本文收录于Github：AI-From-Zero 项目 —— 一个从零开始系统学习 AI 的知识库。如果觉得有帮助，欢迎 ⭐ Star 支持！
by @Laizhuocheng
一、简介
想象一下，你去餐厅点菜。服务员问你："您喜欢辣吗？"你说喜欢。又问："您喜欢海鲜吗？"你也喜欢。但如果服务员直接问：“您喜欢麻辣小龙虾吗？”——这个组合问题的答案，可能比单独问"辣"和"海鲜"更能预测你的选择。
这就是特征交叉的核心思想：单独看两个特征可能平平无奇，但组合在一起就能产生强大的预测力。
在机器学习中，尤其是推荐系统和广告点击率预估场景，特征交叉是一项至关重要的技术。它让模型能够捕捉到特征之间的协同效应，发现那些"1+1>2"的组合模式。
二、什么是特征交叉
特征交叉（Feature Crossing）是指将两个或多个原始特征组合成一个新的复合特征，让模型能够学习到特征之间的交互关系。
一个直观的例子
假设你在做一个广告点击率预测模型：
- 单独看"性别=女"这个特征，对点击率的提升可能是 +0.1
- 单独看"商品类别=化妆品"这个特征，提升可能是 +0.15
- 但如果组合成"女性 × 化妆品"这个交叉特征，提升可能达到 +0.5！
为什么？因为女性购买化妆品的意愿，远大于"女性"和"化妆品"两个独立效应的简单相加。这种协同效应，就是特征交叉要捕捉的东西。