特征选择的方法:数据驱动,领域专家。
数据驱动的特征选择常用方法:相关性,迭代删除(增加),基于模型。
相关性系数:皮尔逊系数,取值范围(-1,1)
迭代特征选择:假设我们已经确定了要用什么算法,如何知道哪个x的自己和作为特征最好
暴力解法:把所有可能的特征组合全部试一遍,用交叉检验来看哪个子集预测效果最好。复杂度:2的n次方
迭代特征选择:递增/递减
基于模型的特征选择算法:
一、随机森林特征选择方法1:gini importance
1,gini index:1-概率的平方和
2,gini decrease:每个节点的gini index-子节点gini index之和
3,gini importance:将所有树上相同特征节点的gini decrease加权和
二、随机森林特征选择方法2:mean decrease accuracy
1,训练出一个随机森林模型,在测试集检验得到accuracy0
2,随机重排(permutation)测试集某特征xi,检验得到accuracyi
3,(accuracy0-accuracyi)accuracy0即为特征 xi 的重要性
三、线性回归特征选择:L1正则化lasso,在L1正则化下,大部分系数会是一个接近0的数字,剩下的绝对值仍很大的系数,对应重要的特征
特征选择问题
最新推荐文章于 2021-09-14 10:05:50 发布