数据特征选择
数据获取，存储，清理完成之后，对数据进行建模和使用算法之前，数据的特征选择是一个重要的问题。正所谓，数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。 特征选择是从一个原始数据特征空间中选择一个最优子集的过程，通过特征选择原始数据集中的冗余特征和不相关特征被除去，而有用特征得以保留。特征选择不仅能够实现降维，而且特征子集比原始数据子集获得更好的拟合优度和
·
数据获取，存储，清理完成之后，对数据进行建模和使用算法之前，数据的特征选择是一个重要的问题。
正所谓，数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。
特征选择是从一个原始数据特征空间中选择一个最优子集的过程，通过特征选择原始数据集中的冗余
特征和不相关特征被除去，而有用特征得以保留。特征选择不仅能够实现降维，而且特征子集比原始数据子
集获得更好的拟合优度和分类精度。
特征选择算法的一般流程：
1. 原始特征空间。
2. 构造特征子集，特征子集的构造通过在原始空间的搜索来完成，搜索的方法有完全搜索、启发式搜索、
随机搜索。
3. 评估特征子集，对特征子集的评估是特征选择的核心问题，有不同的标准，如相关性、距离、信息增
益、一致性、分类错误率。
4. 选择最优特征子集。
特征选择算法有三种设计模式：过滤法，封装法，混用法，嵌入发。
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)