How is your data handled?

[pursuit1994]

希望我用中文问问题不会失礼~ 研一小白想请教您几个问题： 1.数据featindex.txt和featindex.fm.txt是什么关系？我观察到featindex.txt中大多数是8、10、12列的编码（在这里要再问一句这些编码是自己随意设定的吗？感觉没有顺序呀？）别的列的编码呢？ 2.数据中标签为1的样本数量远小于标签为0的样本，需要做什么操作来处理这种情况吗？样本的不均衡会影响结果吗？

[tianmingdu]

你好 pursuit1994, 1.featindex.txt 是所有需要用的特征都做了编码（a:b c）a是特征的序列，b是对应的值，c是编码。featindex.fm.txt只是对部分特征做了编码。编码是随机的。 2.不平衡的情况的确存在，我们在训练的时候会随机删除一些0的样本的。

[pursuit1994]

您好， 非常感谢您的解惑~！您的回答帮了我很多~ 另外想再请教一下有关ID的特征是否需要做编码呢，感觉编码后数据会变得很大，而且我感觉ID除了链接别的field的信息外好像没别的作用了，想问下您的意见呢。