众所周知，传统机器学习的主要工作在于特征工程，其中特征工程中进行特征组合往往会对模型的结果带来提升。
举个例子，考虑第一个特征“性别”，男为1，女为0；第二个特征“是否喜欢宠物”，喜欢宠物为1，不喜欢宠物为0。那么组合后构造了“性别_是否喜欢宠物”这个新的维度的特征，这个特征的取值可以是00、01、10、11。
组合特征背后的理论基础是什么呢？怎么更好地去理解组合特征？之前有看到过组合特征可以发现特征与特征之间的关系，从而发现非线性关系，不太理解，谢谢！
1个回答
你说的这个“特征组合”实际上就是interaction term.
interaction在统计和计量经济里是个成熟的话题了，可以参考Wikipedia: Interaction
Nagozi
2018-04-05 04:45
相关主题
什么情况下需要做特征选择？
1回答
一个特征有两个可选的值，只需满足其中一个即可，该如何处理？
1回答
SHAP可以解释二元分类模型吗？
1回答
特征组合的重要性排序
1回答
分类问题 特征怎么选择
1回答
如何检测判断特征的多重共线性？
2回答
我们谢绝在回答前讲“生动”的故事。
我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。
我们谢绝答非所问。
我们谢绝自己不会、硬要回答。
我们感激每一个用户在编写答案时的努力与付出！