特征选择主要包括什么？

特征选择是非常关键的步骤，选入大量的特征不仅会降低模型效果，也会耗费大量的计算时间，而漏选的特征也会直接影响到最终的模型结果。一般情况下主要利用以下办法进行特征选择。

1.方差选择法

假如某列特征变化一直很平缓，所以说明这组特征对预测结果影响不大，所以应该计算出各个特征的方差选择方差大于自身阈值的特征。

2.相关系数，统计检验

相关系数或者统计检验都可以用来特征选择。

3.互信息法

互信息法也经常用来评价自变量对因变量的相关性。

4.基于机器学习的特征选择法

主要是针对特征和响应变量建立预测模型，例如用基于树的方法(决策树，随机森林，GDBT)，或者扩展的线性模型。

hi 认识一下？

微信关注公众号：全都是码农 (allmanong)
你将获得：
关于人工智能的所有面试问题一网打尽!未来还有思维导图哦！
回复121 立即获得 已整理好121本python学习电子书。
回复89 立即获得 程序员史诗级必读书单吐血整理四个维度系列89本书。
回复167 立即获得 机器学习和python学习之路史上整理大数据技术书从入门到进阶最全本（66本)
回复18 立即获得 数据库从入门到进阶必读18本技术书籍网盘整理电子书（珍藏版）
回复56 立即获得 我整理的56本算法与数据结构书
未来还有人工智能研究生课程笔记等等，我们一起进步呀！