机器学习PAI我离线测了一下， 这里的separator 是针对单特征 多值的分割吗？[阿里云] 暂停朗读为您朗读

在机器学习PAI中，separator的确应用于多值特征的分割。例如，有些离散特征可能有多个取值，如一个人喜欢的NBA球队，有的人可能喜欢火箭和湖人，有的人可能只喜欢勇士，也有的人喜欢骑士、绿军、猛龙等一大堆。对于这种特征，需要使用separator进行正确的分隔处理。

但需要注意的是，这里的separator不仅仅限于对离散特征的分割，它也可以应用于连续型特征的离散化处理。离散化的优势在于它可以映射到高维度空间，使线性的LR更快，且有更好的分割性；同时0,1向量内积乘法运算速度快，计算结果方便存储，容易扩展。