[自用] 菜菜的sklearn 特征工程

目录

3 特征选择 feature_selection

3.1 Filter过滤法

3.1.1 方差过滤

3.1.2 相关性过滤

3.1.3 过滤法总结

3.2 Embedded 嵌入法(过滤法进化版)

3.3 包装法Wrapper（结合了过滤法和嵌入法）

3.4 特征选择总结

---

3 特征选择 feature_selection

数据预处理完成后，我们可以开始特征工程了

特征提取(feature extraction)

        从文字，图像，声音等其他非结构化数据中提取新信息作为特征。比如说，从淘宝宝贝的名称中提取出产品类别，产品颜色，是否是网红产品等等。

特征创造(feature creation)

        把现有特征进行组合，或互相计算，得到新的特征。比如说，我们有一列特征是速度，一列特征是距离，我们就可以通过让两列相除，创造新的特征: 通过距离所花的时间。

特征选择(feature selection)

        从所有的特征中，选择出有意义，对模型有帮助的特征，以避免必须将所有特征都导入模型去训练的情况。

特征工程的第一步：理解业务

通过理解业务来进行特征选择

但遇到极端情况，我们无法依赖对业务的理解来选择特征，该怎么办呢?

我们有四种方法可以用来选择特征: 过滤法，嵌入法，包装法，和降维算法。

这期主要介绍过滤法。

数据集：Digit Recognizer | Kaggle

导入数据

# 导入特别庞大的数据集，进行特征工程的展示
# https://www.kaggle.com/competitions/digit-recognizer/data?select=train.csv
import pandas as pd
data = pd.read_csv("C:\\Users\\Leng3\\jupyter_notebook_code\\datasets\\digit recognizer\\train.csv")

data.head()

# 提取标签和特征
X = data.iloc[:,1:]
y = data.iloc[:,0]
X.shape

3.1 Filter过滤法

过滤方法通常用作预处理步骤，特征选择完全独立于任何机器学习算法。

它是根据各种统计检验中的分数，相关性的各项指标来选择特征的。

全部特征 -> 最佳特征子集 -> 算法 -> 模型评估

3.1.1 方差过滤

3.1.1.1 VarianceThreshold

这是通过特征本身的方差来筛选特征的类。

比如一个特征本身的方差很小，就表示样本在这个特征上基本没有差异，可能特征中的大多数值都一样，甚至整个特征的取值都相同，那这个特征对于样本区分没有什么作用。

所以无论接下来的特征工程要做什么，都要优先消除方差为0的特征。

VarianceThreshold有重要参数threshold，表示方差的阈值，表示舍弃所有方差小于threshold的特征，不填默认为0，即删除所有的记录都相同的特征。

from sklearn.feature_selection import VarianceThreshold
selector = VarianceThreshold() # 实例化，不填参数默认方差为0
X_var0 = selector.fit_transform(X) # 获取删除不合格特征之后的新特征矩阵
# 更凝练的写法
# X = VarianceThreshold().fit_transform(X)
X_var0.shape

pd.DataFrame(X_var0).head()

 我们已经删除了方差为0的特征，但是依然剩下了708多个特征

如果我们知道我们需要多少个特征，方差也可以帮助我们将特征选择一步到位

可以设定一个让特征总数减半的方差阈值，只要找到特征方差的中位数，再将这个中位数作为参数threshold的值输入

import numpy as np
X_fsvar = VarianceThreshold(np.median(X.var().values)).fit_transform(X)
X_fsvar.shape

pd.DataFrame(X_fsvar).head()

当特征是二分类时，特征的取值就是伯努利随机变量，这些变量的方差可以计算为:

其中X是特征矩阵，p是二分类特征中的一类在这个特征中所占的概率

# 若特征是伯努利随机变量，假设p=0.8，即二分类特征中某种分类占到80%以上的时候删除特征
X_bvar = VarianceThreshold(.8*(1-.8)).fit_transform(X)
X_bvar.shape

pd.DataFrame(X_bvar).head()

3.1.1.2 方差过滤对模型的影响

我们这样做了以后，对模型效果会有怎样的影响呢?

这里展示KNN和随机森林分别在方差过滤前和方差过滤后运行的效果和运行时间的对比。

KNN是K近邻算法中的分类算法，其原理非常简单，是利用每个样本到其他样本点的距离来判断每个样本点的相似度，然后对样本进行分类。

KNN必须遍历每个特征和每个样本，因而特征越多，KNN的计算也就会越缓慢。

1. 导入模块并准备数据

# KNN vs 随机森林在不同方差过滤效果下的对比
from sklearn.ensemble import RandomForestClassifier as RFC
from sklearn.neighbors import KNeighborsClassifier as KNN
from sklearn.model_selection import cross_val_score
import numpy as np

X = data.iloc[:,1:]
y = data.iloc[:,0]

X_fsvar = VarianceThreshold(np.median(X.var().values)).fit_transform(X)

2. KNN方差过滤前（运行时间很长！可以直接看结果）

%%timeit
# python中的魔法命令，可以直接使用%%timeit来计算运行这个ce11中的代码所需的时间
cross_val_score(KNN(),X,y,cv=5).mean()

结果为0.9658569700264943

3. KNN方差过滤后（运行时间很长！可以直接看结果）

%%timeit
cross_val_score(KNN(),X_fsvar,y,cv=5).mean()

结果为0.9659997478150573

对比得出，准确率提升，平均运行时间减少，提高了算法效率

4. 随机森林方差过滤前

cross_val_score(RFC(n_estimators=10,random_state=0),X,y,cv=5).mean()

结果为0.9373571428571429

%%timeit
cross_val_score(RFC(n_estimators=10,random_state=0),X,y,cv=5).mean()

9.08 s ± 50.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

5. 随机森林方差过滤后

cross_val_score(RFC(n_estimators=10,random_state=0),X_fsvar,y,cv=5).mean()

结果为0.9390476190476191

%%timeit
cross_val_score(RFC(n_estimators=10,random_state=0),X_fsvar,y,cv=5).mean()

8.03 s ± 224 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

对比得出，准确率比KNN低一点，运行时间却很快，准确率也上升

为什么随机森林运行如此之快? 为什么方差过滤对随机森林没太大影响?

最近邻算法KNN，单棵决策树，支持向量机SVM，神经网络，回归算法，都需要遍历特征或升维来进行运算，所以他们本身的运算量就很大，需要的时间就很长，因此方差过滤这样的特征选择对他们来说就尤为重要。

但对于不需要遍历特征的算法，比如随机森林，它随机选取特征进行分枝，本身运算就非常快速，因此特征选择对它来说效果平平。

因此，过滤法的主要对象是：需要遍历特征或升维的算法们。

而过滤法的主要目的是：在维持算法表现的前提下，帮助算法们降低计算成本。

思考：过滤法对随机森林无效，却对树模型有效?
从算法原理上来说，传统决策树需要遍历所有特征，计算不纯度后进行分枝，而随机森林却是随机选择特征进行计算和分枝，因此随机森林的运算更快，过滤法对随机森林无用，对决策树却有用。

在sklearn中，决策树和随机森林都是随机选择特征进行分枝。但决策树在建模过程中随机抽取的特征数目却远远超过随机森林当中每棵树随机抽取的特征数目。

也因此，在sklearn中，随机森林中的每棵树都比单独的一棵决策树简单得多，高维数据下的随机森林的计算比决策树快很多。

总结方差过滤的影响：

	阈值很小 被过滤掉得特征比较少	阈值比较大 被过滤掉的特征很多
模型表现	不会有太大影响	可能变更好，代表被滤掉的特征大部分是噪音 也可能变糟糕，代表被滤掉的特征中很多都是有效特征
运行时间	可能降低模型的运行时间 基于方差很小的特征有多少 当方差很小的特征不多时对模型没有太大影响	一定能够降低模型的运行时间 算法在遍历特征时的计算越复杂，运行时间下降得越多

在我们的对比当中，我们使用的方差阈值是特征方差的中位数，因此属于阈值比较大，过滤掉的特征比较多的情况。

我们可以观察到，无论是KNN还是随机森林，在过滤掉一半特征之后，模型的精确度都上升了。

这说明被我们过滤掉的特征在当前随机模式(random_state = 0)下大部分是噪音。

那我们就可以保留这个去掉了一半特征的数据，来为之后的特征选择做准备。

如果过滤之后模型的效果反而变差了，我们就可以认为，被我们过滤掉的特征中有很多都有有效特征，需要放弃过滤，使用其他手段来进行特征选择。

3.1.1.3 选取超参数threshold

我们怎样知道，方差过滤掉的到底是噪音还是有效特征呢?

过滤后模型到底会变好还是会变坏呢? 

每个数据集不一样，只能自己去尝试。

现实中，我们只会使用阈值为0或者阈值很小的方差过滤，来为我们优先消除一些明显用不到的特征，然后我们会选择更优的特征选择方法继续削减特征数量。

3.1.2 相关性过滤

方差挑选完毕之后，我们就要考虑下一个问题: 相关性

我们希望选出与标签相关且有意义的特征，因为这样的特征能够为我们提供大量信息

在sklearn当中，我们有三种常用的方法来评判特征与标签之间的相关性: 卡方，F检验，互信息

3.1.2.1 卡方过滤

卡方过滤是专门针对离散型标签 (即分类问题) 的相关性过滤。

卡方检验类feature_selection.chi2计算每个非负特征和标签之间的卡方统计量，并依照卡方统计量由高到低为特征排名。

再结合feature_selection.SelectKBest这个可以输入"评分标准“来选出前K个分数最高的特征的类，我们可以借此除去最可能独立于标签，与我们分类目的无关的特征。

另外，如果卡方检验检测到某个特征中所有的值都相同，会提示我们使用方差先进行方差过滤。

由于之前的方差过滤显示准确率提升，我们使用threshold=中位数时完成的方差过滤的数据来做卡方检验

from sklearn.ensemble import RandomForestClassifier as RFC
from sklearn.model_selection import cross_val_score
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2

# 假设我需要300个特征
X_fschi = SelectKBest(chi2, k=300).fit_transform(X_fsvar, y)
X_fschi.shape

(42000, 300)

验证一下模型效果：

cross_val_score(RFC(n_estimators=10,random_state=0),X_fschi,y,cv=5).mean()

0.9344761904761905

对比发现，模型效果降低了，说明我们在这步删除了与模型相关且有效的特征。

如果显示有效的话，就保留相关性过滤的结果。

3.1.2.2 选取超参数K

那如何设置一个最佳的K值呢?

第一个方法，就是我们之前提过的学习曲线：

%matplotlib inline
import matplotlib.pyplot as plt

score = []
for i in range(350,200,-10):
    X_fschi = SelectKBest(chi2,k=i).fit_transform(X_fsvar,y)
    once = cross_val_score(RFC(n_estimators=10,random_state=0),X_fschi,y,cv=5).mean()
    score.append(once)
plt.plot(range(350,200,-10),score)
plt.show()

通过这条曲线，我们可以观察到，随着K值的不断增加，模型的表现不断上升，这说明，K越大越好，数据中所有的特征都是与特征相关的。

接下来我们就来介绍一种更好的选择K的方法：看p值选择k

 卡方检验的本质是推测两组数据之间的差异，其检验的原假设是”两组数据是相互独立的”。

卡方检验返回卡方值和P值两个统计量，其中卡方值很难界定有效的范围，而p值，我们一般使用0.01或0.05作为显著性水平，即p值判断的边界

P值	<=0.05或0.01	>0.05或0.01
数据差异	差异不是自然形成的	这些差异是很自然的样本误差
相关性	两组数据是相关的	这些差异是很自然的样本误差
原假设	拒绝原假设，接受备择假设	接受原假设

从特征工程的角度，我们希望选取卡方值很大，p值小于0.05的特征，即和标签是相关联的特征。

而调用SelectKBest之前，我们可以直接从chi2实例化后的模型中获得各个特征所对应的卡方值和P值

chivalue,pvalues_chi = chi2(X_fsvar,y)
chivalue

pvalues_chi

#k取多少? 我们想要消除所有p值大于设定值，比如0.05或0.01的特征:
k = chivalue.shape[0] - (pvalues_chi > 0.05).sum()

k

#x_fschi = SelectKBest(chi2，k=填写具体的k).fit_transform(x_fsvar，y)
#cross_val_score(RFC(n_estimators=10,random_state=0),X_fschi,y,cv=5).mean()

所有特征的p值都是0，这说明对于digit recognizor这个数据集来说，方差验证已经把所有和标签无关的特征都剔除了，或者这个数据集本身就不含与标签无关的特征。

在这种情况下，舍弃任何一个特征，都会舍弃对模型有用的信息，从而使模型表现下降

因此在我们对计算速度感到满意时，我们不需要使用相关性过滤来过滤我们的数据。

接下来，我们试试看用其他的相关性过滤方法验证一下我们在这个数据集上的结论。

3.1.2.3 F检验

F检验，又称ANOVA，方差齐性检验，是用来捕捉每个特征与标签之间的线性关系的过滤方法。

它可以做回归，也可以做分类。因此包含feature_selection.f_classif (F检验分类)和feature_selection.f_regression (F检验回归)。

其中F检验分类用于标签是离散型变量的数据，而F检验回归用于标签是连续型变量的数据。

和卡方检验一样，这两个类需要和类SelectKBest连用。

并且我们也可以直接通过输出的统计量来设置一个什么样的K。

F检验在数据服从正态分布时效果会非常稳定，我们会先将数据转换成服从正态分布的方式。

F检验的本质是寻找两组数据之间的线性关系，其原假设是”数据不存在显著的线性关系”。

它返回F值和p值两个统计量。

和卡方过滤一样，我们希望选取p值小于0.05或0.01的特征，这些特征与标签是显著线性相关的。

from sklearn.feature_selection import f_classif
F,pvalues_f = f_classif(X_fsvar,y)
F

pvalues_f

k = F.shape[0] - (pvalues_f > 0.05).sum()
k

k仍为392，证明结论，我们在这个情况下不需要使用相关性过滤。

3.1.2.4 互信息法

互信息法是用来捕捉每个特征与标签之间的任意关系 (包括线性和非线性关系)的过滤方法。

feature_selection.mutual_info_classif (互信息分类）和feature_selection.mutual_info_regression (互信息回归)。

F检验只能够找出线性关系，而互信息法可以找出任意关系。

互信息法不返回p值或F值类似的统计量，它返回“每个特征与目标之间的互信息量的估计”。

这个统计量取值为0表示两个变量独立，为1则表示两个变量完全相关。

from sklearn.feature_selection import mutual_info_classif as MIC
result = MIC(X_fsvar,y)
k = result.shape[0] - sum(result <= 0)
k

k仍为392，说明所有特征的互信息量估计都大于0，因此所有特征都与标签相关。

3.1.3 过滤法总结

我们学习了常用的基于过滤法的特征选择，包括方差过滤，基于卡方，F检验和互信息的相关性过滤，讲解了各个过滤的原理和面临的问题，以及怎样调这些过滤类的超参数。

通常来说，我会建议先使用方差过滤，然后使用互信息法来捕捉相关性。

3.2 Embedded 嵌入法(过滤法进化版)

让算法自己决定使用哪些特征，即特征选择和算法训练同时进行

在使用嵌入法时，先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据权值系数从大到小选择特征

权值系数往往代表了特征对于模型的某种贡献或重要性，比如决策树和树的集成模型中的feature_importances_属性，可以列出各个特征对树的建立的贡献

基于这种贡献的评估，找出对模型建立最有用的特征

相比于过滤法，嵌入法的结果会更加精确到模型的效用本身，对于提高模型效力有更好的效果;

同时，由于考虑特征对模型的贡献，因此无关的特征(需要相关性过滤的特征)和无区分度的特征(需要方差过滤的特征)都会因为缺乏对模型的贡献而被删除

嵌入法的缺点:

权值系数为0的特征对模型丝毫没有作用，但当大量特征都对模型有贡献且不一时，很难界定有效的临界值，故模型权值系数是超参数

引入了算法来挑选特征，故计算速度和应用的算法有很大关系;且在选择完毕之后，还是需要自己来评估模型

feature_selection.SelectFromModel

SelectFromModel是一个元变换器，可以与任何在拟合后具有 coef_、 feature_importances_属性，或参数中可选惩罚项的评估器一起使用。例如:

随机森林和树模型就有属性feature_importances_

逻辑回归带有l1和l2惩罚项

线性支持向量机也支持l2惩罚项

对于有 feature importances(取值范围是[0,1])的模型来说，若重要性低于提供的阈值参数，则认为这些特征不重要并被移除

对于使用惩罚项的模型来说，正则化惩罚项越大，特征在模型中对应的系数就会越小;

当正则化惩罚项大到一定程度时，部分特征系数会变成0，这部分系数是可以筛掉的，即选择特征系数较大的特征

SVM和LR使用参数C来控制返回的特征矩阵的稀疏性，参数C越小，返回的特征越少

Lasso回归用参数alpha来控制返回的特征矩阵，alpha的值越大，返回的特征越少

参数	说明
estimator	使用的模型评估器，只要是带feature importances 或者coef 属性，或带有l1和l2惩罚项的模型都可以使用
threshold	特征重要性的阈值，重要性低于这个阈值的特征都将被删除
prefit	默认False，判断是否将实例化后的模型直接传递给构造函数。如果为True，则必须直接调用fit和transform，不能使用fit_transform，并且SelectFromModel不能与cross_val_score，GridSearchCV和克隆估计器的类似实用程序一起使用。
norm_order	k可输入非零整数，正无穷，负无穷，默认值为1在评估器的coef_属性高于一维的情况下，用于过滤低于闯值的系数的向量的范数的阶数。
max_features	在闯值设定下，要选择的最大特征数。要禁用闽值并仅根据max_features选择，请设置threshold = -np.inf

from sklearn.feature_selection import SelectFromModel
from sklearn.ensemble import RandomForestClassifier as RFC
from sklearn.model_selection import cross_val_score

 
RFC_ = RFC(n_estimators =10,random_state=0)   # 随机森林的实例化
 
X_embedded = SelectFromModel(RFC_,threshold=0.005).fit_transform(X,y)   # SelectFromModel(RFC_,threshold=0.005)为嵌入法的实例化
 
# 在这里我只想取出来有限的特征。0.005这个阈值对于有784个特征的数据来说，是非常高的阈值，
# 因为平均每个特征只能够分到大约0.001的feature_importances_
 
X_embedded.shape   # (42000, 47)
# 模型的维度明显被降低了
 
 
# 同样的，我们也可以画学习曲线（横轴：某个范围内超参数的取值；纵轴：模型的表现）来找最佳阈值 
import numpy as np
import matplotlib.pyplot as plt
 
RFC_.fit(X,y).feature_importances_
 
# range(开头，结尾，步长)
# np.linspace(开头，结尾，数量)
threshold = np.linspace(0,(RFC_.fit(X,y).feature_importances_).max(),20)   # 选取最小值和最大值中间的有限个数，是学习曲线的x轴
threshold  # 阈值越大，被砍掉的特征就越多

score = []
for i in threshold:
    X_embedded = SelectFromModel(RFC_,threshold=i).fit_transform(X,y)
    once = cross_val_score(RFC_,X_embedded,y,cv=5).mean()
    score.append(once)
plt.plot(threshold,score)
plt.show()

 从图像上来看，随着阈值越来越高，模型的效果逐渐变差，被删除的特征越来越多，信息损失也逐渐变大 

# 从中挑选一个数值来验证一下模型的效果
X_embedded = SelectFromModel(RFC_,threshold=0.001).fit_transform(X,y)
X_embedded.shape  # (42000, 279)
cross_val_score(RFC_,X_embedded,y,cv=5).mean() # 0.9386904761904763

和其他调参一样，可以在第一条学习曲线后选定一个范围，使用细化的学习曲线来找到最佳值

score2 = []
for i in np.linspace(0,0.001,20):
    X_embedded = SelectFromModel(RFC_,threshold=i).fit_transform(X,y)
    once = cross_val_score(RFC_,X_embedded,y,cv=5).mean()
    score2.append(once)
plt.figure(figsize=[20,5])
plt.plot(np.linspace(0,0.001,20),score2)
plt.xticks(np.linspace(0,0.001,20))
plt.show()

X_embedded = SelectFromModel(RFC_,threshold=0.000158).fit_transform(X,y)
X_embedded.shape   # (42000, 421)
cross_val_score(RFC_,X_embedded,y,cv=5).mean()  # 0.9411428571428571
 
#我们可能已经找到了现有模型下的最佳结果，如果我们调整一下随机森林的参数呢？
cross_val_score(RFC(n_estimators=100,random_state=0),X_embedded,y,cv=5).mean()

总结：比起要思考很多统计量的过滤法来说，嵌入法可能是更有效的一种方法，然而在算法本身很复杂的时候，过滤法的计算远远比嵌入法快，故大型数据中还是会优先考虑过滤法 

3.3 包装法Wrapper（结合了过滤法和嵌入法）

特征选择和算法训练同时进行，与嵌入法十分相似，也是依赖于算法自身的选择，比如 coef_ 属性或 feature_importances_ 属性来完成特征选择

在初始特征集上训练评估器，通过 coef_ 属性或 feature_importances_ 属性获得每个特征的重要性

从当前的一组特征中修剪最不重要的特征

在修剪的集合上递归地重复该过程，直到最终达到所需数量的要选择的特征

上图中的算法，不是我们最终用来导入数据的分类或回归算法，而是专业的数据挖掘算法（即目标函数），这些数据挖掘算法的核心功能就是选取最佳特征子集。

最典型的目标函数是递归特征消除法（Recursive feature elimination, 简写为RFE）。它是一种贪婪的优化算法，旨在找到性能最佳的特征子集。它反复创建模型，并在每次迭代时保留最佳特征或剔除最差特征，下一次迭代时，它会使用上一次建模中没有被选中的特征来构建下一个模型，直到所有特征都耗尽为止。 然后，它根据自己保留或剔除特征的顺序来对特征进行排名，最终选出一个最佳子集

不同点：

往往使用一个目标函数作为黑盒来选取特征，而不是自己输入某个评估指标或统计量的阈值
嵌入法是多次使用全部特征，包装法是只使用上次已经被舍弃的特征中剩下的特征，每一轮特征相比上一轮都会减少
计算成本：嵌入法 > 包装法 > 过滤法
包装法的效果是所有特征选择方法中最利于提升模型表现的，它可以使用很少的特征达到很优秀的效果。除此之外，在特征数目相同时，包装法和嵌入法的效果能够匹敌，不过它比嵌入法算得更快，虽然它的计算量也十分庞大，不适用于太大型的数据。相比之下，包装法是最能保证模型效果的特征选择方法

feature_selection.RFE

参数：

estimator：实例化后的评估器
n_features_to_select：想要选择的特征个数
step：每次迭代中希望移除的特征个数

属性：

.support_：返回所有的特征最后是否被选中的布尔矩阵，选中了就是True，没选中就是False
.ranking_：返回特征按次数迭代中综合重要性的排名，排名越前，特征越重要
 

from sklearn.feature_selection import RFE
RFC_ = RFC(n_estimators =10,random_state=0)
selector = RFE(RFC_, n_features_to_select=421, step=50).fit(X, y)  # 421是之前嵌入法选择出的最佳特征数
 
selector.support_.sum()  # 就是n_features_to_select的值
selector.ranking_   # 可以有多个特征重要性相同，故排名一样

X_wrapper = selector.transform(X)   # 使用包装法得到的特征矩阵
cross_val_score(RFC_,X_wrapper,y,cv=5).mean()   # 0.9395

对包装法画学习曲线：

score = []
for i in range(1,751,50):
    X_wrapper = RFE(RFC_,n_features_to_select=i, step=50).fit_transform(X,y)
    once = cross_val_score(RFC_,X_wrapper,y,cv=5).mean()
    score.append(once)
plt.figure(figsize=[20,5])
plt.plot(range(1,751,50),score)
plt.xticks(range(1,751,50))
plt.show()

 

在包装法下面应用50个特征时，模型的表现就已经达到了90%以上，比嵌入法和过滤法都高效很多（包装法是最容易在最小的特征数量状况下找到最佳的模型表现的方法） 

feature_selection.RFECV

在交叉验证循环中执行RFE以找到最佳数量的特征，增加参数cv（交叉验证次数），其他用法同RFE

3.4 特征选择总结

过滤法更快速，但更粗糙。迷茫的时候，从过滤法走起

包装法和嵌入法更精确，比较适合具体到算法去调整，但计算量比较大，运行时间长

当数据量很大的时候，优先使用方差过滤和互信息法调整，再上其他特征选择方法

使用逻辑回归时，优先使用嵌入法

使用支持向量机时，优先使用包装法

特征选择只是特征工程中的第一步。真正的高手，往往使用 特征创造或特征提取 来寻找高级特征