12 当ML算法（例如Vowpal Wabbit或某些因式分解机器赢得点击率竞争（Kaggle））提到功能“散乱”时，这实际上对模型意味着什么？可以说有一个变量表示互联网添加的ID，该变量采用诸如“ 236BG231”之类的值。然后，我了解到此功能已哈希为一个随机整数。但是，我的问题是： 是模型中现在使用的整数，是整数（数字）或 哈希值是否仍然仍然像分类变量一样被一键编码？因此，哈希技巧只是为了以某种方式节省大数据的空间？ machine-learning predictive-modeling kaggle — B_Miner source
7 第二个要点是特征哈希中的值。散列和一种稀疏数据的热编码节省了空间。根据哈希算法，您可能会有不同程度的冲突，这是一种降维。 此外，在Kaggle功能散列和一种热编码的特定情况下，通过获取所有可能的元组（通常仅是二阶，有时是三阶）特征，然后通过碰撞散列的特征会显式创建通常可预测的交互作用，从而有助于特征扩展/工程而个人特征则没有。 在大多数情况下，此技术与LR中的特征选择和弹性网正则化相结合，其行为与一个隐藏层NN非常相似，因此在比赛中表现良好。 — 丘兰 source 因此，仍然仅对散列值使用“一键编码”，这可以节省空间并可能导致降维（给定的冲突）。那是对的吗？ — B_Miner 2014年 1 主机编码不是哈希功能的必需部分，但通常与主机编码一起使用，因为它有助于提高预测能力。想到一种热编码的一种方法是将特征从一组N个离散值转换为一组N个二元问题。对我来说，也许知道特征J是2还是3而不是4也许对我来说并不重要。这对线性模型有很大帮助，而整体方法（如RF）将扫描特征中的断点以找到区别。 — cwharland 2014年