为什么 Embedding 特征比其他特征更有效
哪些公司问过
答案要点
- 把高维稀疏特征映射为低维稠密向量,缓解 One-Hot 的维度爆炸和稀疏
- 向量距离表示相似性,能捕捉共现和语义关系,泛化到少见的对象
- 可与模型端到端训练,针对任务学习表示,表达能力强
- 可用预训练向量迁移,缓解数据稀疏和冷启动
- 低频特征向量训练不足,需截断或共享
易错点
- 说 Embedding 只是降维
- 忽略它和模型联合训练的优势
- 不提低频特征的问题
面试官常见追问
- Embedding 相比 One-Hot 有什么缺点?
- 新物品没有 Embedding 怎么办?
- Embedding 的维度怎么选?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。