特征类型
一般来说，推荐系统中会有离散特征（如性别、位置）和连续特征（如年龄），当我们将特征值转换为输入数据时，就需要对离散特征进行one-hot编码，然后对连续特征保留其原始数值，也可以对连续特征进行离散化。
例如：般来说，推荐系统中会有离散特征和连续特征，当我们用逻辑回归这种宽的离散线性模型的时候，我就会遇到一个很大的问题，就是我需要对特征进行分段，这样才能学到连续特征的非线性结构。比如说用户年龄对点击率的影响，它并不是线性上升的，可能更多的是与年龄段相关，甚至有更复杂的模式，这些是非线性的特性。所以我们可以用机器对连续的特征做自动搜索分段，这样的预处理效率就大大提高了。