特征选择是一种维度减少技术,其仅选择了在模拟数据的最佳预测力的测量特征(预测变量)的子集。在处理非常高维数据或与所有特征的建模是不希望的时,它特别有用。
功能选择可用于:
- 提高A的准确性机器学习算法
- 在非常高维数据上提升性能
- 提高模型解释性
- 防止过度拟合
特征选择有几种常见方法:
另一种维数减少方法是使用特征提取或特征转换技术,该技术将现有功能转换为具有较少描述性功能的新功能(预测变量)。
功能转换方法包括:
有关功能选择的更多信息,包括机器学习,回归和转换,请参阅统计和机器学习工具箱™使用马铃薯®。