顺序特征选择器（SequentialFeatureSelector (SFS)）
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了顺序特征选择器（SequentialFeatureSelector (SFS)）相关的知识，希望对你有一定的参考价值。
顺序特征选择器（SequentialFeatureSelector (SFS)）是一种基于贪心机制的特征选择方法
顺序特征选择器（SequentialFeatureSelector (SFS)）的底层思路就是Wrapper方法，Wrapper就前向、后向或者双向进行特征筛选。
只不过，Wrapper通过score而不是个数进行控制。可以根据问题的需要进行API的选择和应用。
消除法包含三种方法：前向法、后向法、双向法。
Forward selection: 首先模型中只有一个单独解释因变量变异最大的自变量，之后尝试将加入另一自变量，看加入后整个模型所能解释的因变量变异是否显著增加（这里需要进行检疫，可以用 F-test， t-test 等等）；这一过程反复迭代，直到没有自变量再符合加入模型的条件。
以上是关于顺序特征选择器（SequentialFeatureSelector (SFS)）的主要内容，如果未能解决你的问题，请参考以下文章