机器学习中，有哪些特征选择的工程方法？
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习中，有哪些特征选择的工程方法？相关的知识，希望对你有一定的参考价值。
机器学习中，有哪些特征选择的工程方法？
数据和特征决定了机器学习的上限，而模型和算法调参只是逼近这个上限而已。
0，特征本身是否具有基础的表征能力或者判别性，例如方差筛选法。方差是衡量一个变量的离散程度(即数据偏离平均值的程度大小)，变量的方差越大，就可以认为它的离散程度越大，也就是意味着这个变量对模型的贡献和作用会更明显，因此要保留方差较大的变量，反之，要剔除掉无意义的特征。方差大的变量更有可能产生对目标变量的差异判别。
1.计算每一个特征与响应变量的相关性（例如依次做特征与目标变量的t检验、曼惠特尼检验、方差分析等）：工程上常用的手段有计算皮尔逊系数和互信息系数，得到相关性之后就可以排序选择特征了
以上是关于机器学习中，有哪些特征选择的工程方法？的主要内容，如果未能解决你的问题，请参考以下文章
机器学习实战基础（十七）：sklearn中的数据预处理和特征工程特征选择 之 Embedded嵌入法