决策树特征选择:
信息增益与信息增益比
基尼系数
文本特征选择:
特征提取方法: one-hot
TF-IDF
词袋模型
one-hot优缺点分析
优点:一是解决了分类器不好处理离散数据的问题,二是在一定程度上也起到了扩充特征的作用(上面样本特征数从3扩展到了9)
缺点:在文本特征表示上有些缺点就非常突出了。首先,它是一个词袋模型,不考虑词与词之间的顺序(文本中词的顺序信息也是很重要的);其次,它假设词与词相互独立(在大多数情况下,词与词是相互影响的);最后,它得到的特征是离散稀疏的。
TF-IDF优缺点分析
优点:简单快速,结果比较符合实际
缺点:单纯考虑词频,忽略了词与词的位置信息以及词与词之间的相互关系。
逻辑回归模型
IV
WOE
主特征提取:
皮尔森相关系数
主成分分析(PCA)
其他特征选择
基于卡方统计量的特征选择
基于方差分析的特征选择
参考文档: