机器学习-特征筛选

最新推荐文章于 2024-07-13 22:43:58 发布

远去的栀子花

最新推荐文章于 2024-07-13 22:43:58 发布

阅读量3.6k

点赞数 5

本文链接：https://blog.csdn.net/u012967763/article/details/79175946

版权

冗余特征增加计算负担但不影响模型性能。主成分分析用于去除线性相关特征，而特征筛选专注于找到对模型性能提升显著的少量特征。

摘要由CSDN通过智能技术生成

冗余的特征虽然不会影响到模型的性能，不过却使得CPU的计算做了无用功。比如，主成分分析主要作用于去除多余的那些线性相关的特征组合，原因在于这些冗余的特征组合并不会对模型训练有更多贡献。

特征筛选与PCA这类通过选择主成分对特征进行重建方法略有区别：对于PCA而言，我们经常无法解释重建后的特征；但是特征筛选不存在对特征值的修改，而更加侧重于寻找那些对模型的性能提升较大的少量特征。

#泰坦尼克号沉船事故

#泰坦尼克号乘客数据查验
import pandas as pd         #导入pandas用于数据分析
titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')
#titanic.head()              #观察前几行数据
#titanic.info()              #查看数据的统计特征

#特征选取，机器学习很重要的一个环节
y = titanic['survived']
X = titanic.drop(['row.names','name','survived'], axis = 1)
#对缺失值数据进行填充
X['age'].fillna(X['age'].mean(), inplace = True)
X.fillna('UNKNOWN', inplace = True)

#数据分割
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size = 0.25, random_state =