Hoe moet u, voor een volledig verbonden neuraal netwerk dat huizenprijzen voorspelt, breedtegraad en lengtegraad coderen om locatie-effecten vast te leggen?

De correcte aanpak is om een feature cross van breedtegraad en lengtegraad te maken, deze te bucketizen op minuutniveau en L1-regularisatie te gebruiken. Breedtegraad en lengtegraad zijn continue waarden; een feature cross creëert discrete combinaties die specifieke locaties representeren. Bucketizing op minuutniveau zorgt voor een granulariteit die voldoende is om lokale effecten (zoals buurteffecten) vast te leggen zonder te veel unieke combinaties te creëren die tot overfitting kunnen leiden. L1-regularisatie (Lasso) helpt bij het selecteren van de meest relevante locatie-features door de gewichten van minder belangrijke features naar nul te dwingen, wat overfitting verder tegengaat en het model interpreteerbaarder maakt. Het direct invoeren van breedtegraad en lengtegraad als vectoren is onvoldoende, omdat het neurale netwerk dan de complexe niet-lineaire relatie tussen deze coördinaten en huizenprijzen zelf moet leren, wat inefficiënt is en mogelijk niet alle locatie-effecten correct vastlegt. Een numerieke kolom van een feature cross is ook niet optimaal, omdat het de discrete aard van locatie-effecten niet volledig benut en de granulariteit ontbreekt. L2-regularisatie (Ridge) verkleint gewichten, maar dwingt ze niet naar nul, waardoor het minder effectief is in feature-selectie dan L1 voor dit specifieke probleem.