降维中的特征选择

在建模中第一步就是特征处理，之前用spss modeler这种集成好的软件，没有处理过维度很高的数据，上来就是数据各种图形、缺失值、噪声处理，这次接触到上千个维度，数据看了下倒是没有缺失值，用r去做逻辑回归，但是总是报错，后来发现是模型迭代次数太少，模型不稳定，需要调节参数control=list(maxit=100)，但是运行很慢很慢，因此想先降低维度再建立模型吧，但是网上和书本上都是讲解各种算法的案例，很少有特征处理的，上次翻译的维度灾难文章，光说了维度灾难带来的害处，有一篇是用pca方法降低维度的，但是后来想想自己的数据集中既有连续性变量又有类别型变量。pca用的是相关矩阵，对于连续类型变量很适合，要是对于类别型例如二分类，自己还是没有把握能不能用，搜索了好久，终于找到这篇带有操作意义的参考：1点击打开链接2  点击打开链接