為什麼要把它們相乘？看懂 1 + 1 大於 2 的化學反應！
| 面向 | 說明 |
|---|---|
| 是什麼 | 兩個以上特徵組合出的新特徵(相乘／比值／條件) |
| 為何要 | 捕捉「單獨看不出、合起來才有意義」的關係 |
| 例子 | 面積=長×寬;單價=金額/數量 |
| 哪些模型需手動 | 線性／邏輯迴歸需手動;樹模型／神經網路較能自動學 |
交互特徵是把兩個以上特徵組合成新特徵,iPAS 特徵工程考點(中級科目三)。重點:捕捉特徵間共同作用對目標的影響(如面積等於長乘寬),線性模型尤其需要手動加交互項。易混點:樹模型與神經網路能自動學部分交互、線性與邏輯迴歸需手動;暴力組合會讓特徵爆炸、增加過擬合,應靠領域知識篩選。情境:電商以使用者類型乘商品類別抓特定偏好。
想練情境題與詳解 → AI 學習與考證地圖
由兩個以上特徵組合而成的新特徵(如相乘、相除)；用來捕捉特徵間共同作用對目標的影響。
有些效果單看一個特徵看不出，要組合才顯現(如面積等於長乘寬)；線性模型尤其需要手動加入交互項。
預測房價時，房間數乘以地段可能比兩者各自更有意義；電商裡使用者類型乘以商品類別能抓出特定偏好。
線性與邏輯迴歸需手動加；樹模型與神經網路能自動學部分交互，但適當的人工交互特徵仍常有幫助。
暴力組合會讓特徵爆炸、增加過擬合與運算；應靠領域知識或特徵重要性篩選有意義的交互。