数据挖掘——变量选择

大多数数据集需要我们对之进行“清洗”工作，包括数据转换、数据离散化、数据缺失替换和数据异常点处理

在实际的挖掘分析中，过多的变量对模型精度的提升十分有限，但是对于挖掘速度的影响确实十分巨大的，维数灾难就是描述这一情况的。

我们需要多少变量来进行分析挖掘？

特征规约：特征规约即针对特定数据集进行变量数目的减少，在P较大时，特征规约显得有很强的必要性

特征规约方法：

• 主成分分析：较为常用的特征规约方法，可以在保留数据集一定信息的同时大规模减少变量数目，应用较广

•         主要细节：决定主成分分析结果的是我们要保留多少百分比的方差贡献度

• 特征选择：可以在不破坏数据结构的前提下精简变量，目前越来越流行，是主成分分析的一个极佳的补充

•         向前选择+向后淘汰

                      

主成分分析是对变量的重新组合，特征选择是对变量的单纯意义上的精简。

<