社区
Andy_shenzl
帖子详情
Andy_shenzl
人工智能领域优质创作者
博客专家认证
2023-01-19 14:21:17
特征工程原理(二)
特征选择是在数据分析和建模中最常用的特征降维手段。过程简单粗暴,即映射函数直接将不重要的特征删除,不过这样会造成特征信息的丢失,不利于模型的精度。当然,由于数据分析以抓住主要影响因子为主,变量越少越有利于分析,因此特征选择常用语统计分析模型中;在超高维数据分析或者建模预处理中也会经常使用。特征是否发散:如果一个特征不发散,也就是方差接近0,这就说明样本在这个特征上基本没差异,这个特征对于样本区分没有作用。特征与目标的相关性:与目标的相关性越高,特征应该优先选择。
https://blog.csdn.net/Andy_shenzl/article/details/128567166
68
回复
打赏
收藏
特征工程原理(二)
特征选择是在数据分析和建模中最常用的特征降维手段。过程简单粗暴,即映射函数直接将不重要的特征删除,不过这样会造成特征信息的丢失,不利于模型的精度。当然,由于数据分析以抓住主要影响因子为主,变量越少越有利于分析,因此特征选择常用语统计分析模型中;在超高维数据分析或者建模预处理中也会经常使用。特征是否发散:如果一个特征不发散,也就是方差接近0,这就说明样本在这个特征上基本没差异,这个特征对于样本区分没有作用。特征与目标的相关性:与目标的相关性越高,特征应该优先选择。
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
Andy_shenzl
71
社区成员
25
社区内容
发帖
与我相关
我的任务
Andy_shenzl
人生苦短,不懂乱问
复制链接
扫一扫
分享
社区描述
人生苦短,不懂乱问
推荐算法
深度学习
机器学习
个人社区
浙江省·杭州市
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章