转 | 数据集存取新方案-认识feature hashing

昨天发布了一版有关数据集存取方案的文章，于是有了一些前辈的评价和建议，秉承虚心接受的态度，学习了新的方法，来看看整个过程：

公众号传送门：R&S | 手把手搞推荐[3]：数据集存取思路

然后就被Diss了：

费了点心机想多了解了解：

最终，发现了新大陆！

没错，就是feature hashing！

原文在这里了：https://www.cnblogs.com/pinard/p/6688348.html

英文论文：http://alex.smola.org/papers/2009/Weinbergeretal09.pdf

简单总结一下：

• scipy似乎在工业界用的非常少

• feature hashing似乎是一种比较流行的特征处理办法，由于是无偏估计，所以可靠性还是很高的，后面可以试试

此处也给各位道歉，虽然自己已经实践了原文提到的方法，但由于自己学艺不精，误导了大家，没有给出更优的方案，非常抱歉，后续我会认真学习一下有关方法并给大家介绍，不辜负各位的关注和支持，同时，永久欢迎大家提出宝贵意见，一起商讨交流~