自动稠密特征工程

功能

可在训练引擎内进行特征级别的counting统计，从而简化离线特征计算流程的复杂度

用法

在xdl.embedding接口函数中添加参数statis_list、statis_decay、statis_decay_period、labels，典型例子如下：

emb, statis = xdl.embedding(emb_name, batch["unit_id_expand"], xdl.Normal(stddev=0.001),
                            emb_dim, 50000, emb_combiner, vtype="hash",
                            feature_add_probability=feature_add_probability,
                            statis_list=['click'], statis_decay=0.07, statis_decay_period=10,
                            labels=batch['label'])
# emb 是原embedding的输出，进入dense网络。
# statis 是统计输出，也可进入dense网络计算，也可由xdl.TrainSession(hooks).run()打印结果。数目与statis_list一致。

• statis_list是统计类型名列表，目前支持'pv'、'click'两种。
• statis_decay是global_step经过statis_decay_period轮次后的衰减因子，S[N] = a[N] + decay * S[N-1]。
• labels是batch["label"]，用于click统计。

算法

• 记录每个ID更新的global_step，避免定期的全局衰减。

  /*
   *  S[0] = a[0]
   *  S[N] = a[N] + decay * S[N-1]
   *       = a[N] + decay*a[N-1] + decay^2*a[N-2] + ... + decay^(N-1)*a[1] + decay^N*a[0]
   *       = a[N] + decay^(N-n) * S[n]  （if a[n+1:N] == 0）
   *
   *  N = gs / period
   *  data = click + data * pow(decay, N - updated_n)
   *  updated_n = N
   */