R语言使用caret包的rfe函数进行特征筛选选择特征消除RFE（Recursive Feature Elimination）进行特征筛选（feature selection）
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R语言使用caret包的rfe函数进行特征筛选选择特征消除RFE（Recursive Feature Elimination）进行特征筛选（feature selection）相关的知识，希望对你有一定的参考价值。
R语言使用caret包的rfe函数进行特征筛选、选择、特征消除RFE（Recursive Feature Elimination）进行特征筛选（feature selection）
目录
以上是关于R语言使用caret包的rfe函数进行特征筛选选择特征消除RFE（Recursive Feature Elimination）进行特征筛选（feature selection）的主要内容，如果未能解决你的问题，请参考以下文章
R语言使用caret包的nzv函数进行接近零方差变量（特征）的删除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越靠近零方差判别性越差）
R语言使用caret包的nearZeroVar函数进行接近零方差变量（特征）的删除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越靠近零方差判别性越差）
R语言使用caret包的train函数构建多元自适应回归样条(MARS)模型MARS算法支持计算变量（特征）重要度，使用varImp函数提取变量（特征）重要性并可视化
R语言使用MASS包的stepAIC函数构建逐步回归模型Stepwise Regression进行回归分析模型的最佳预测变量组合筛选向后逐步选择Backward stepwise selection