云脑科技徐昊：AutoML 工程实践与大规模行业应用( 五 )_雷锋网AI科技评论按：AutoML是今年的机

图5/10

样本难度也是影响样本效率的重要因素，提高模型精度的关键在于获得更多的复杂样本。其次，需要去掉噪声样本。那么如何分析样本的难度？一般使用模型预测值和真实标签 cross entropy。保持原有数据的分布对样本训练过程来说非常重要。

特征效率

特征（尤其是稀疏特征）对训练数据的效率影响很大。在项目工期紧张的时候，把所有的特征扔进模型学习是不实际的，因此我们进行定量分析。维度大的特征对训练的影响非常大。稀疏特征也需要重点分析。对过于稀疏的特征值截断处理也可以提高特征效率。我们现在比较重视变长特征的处理。变长特征通常是在嵌入以后取平均值或求和，变长特征长的样本对 batch 的影响较大。