特征选择对于模型效果至关重要。常用方法包括方差选择法、相关系数统计检验和互信息法。方差小的特征可能影响不大；相关系数用于连续变量，卡方检验用于离散变量；互信息则评估自变量对因变量的关联。通过这些方法，可以有效筛选出对模型预测最有价值的特征。
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的效果，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效果。
选择方法为：
1.方差选择法：假如某列特征数值变化一直平缓，说明这个特征对结果的影响很小，所以可以计算各个特征的方差，选择方差大于自设阈值的特征。
2.相关系数，统计检验：相关系数和统计检验都可以用来特征选择，常用的有person相关系数和卡方检验，前者主要用于连续变量，后者用于离散变量。
3.互信息法：互信息法也经常被用于来评价自变量对因变量的相关性，互信息的计算公式为：
扫一扫
350
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
