1 綜述

(1) 什么是特征選擇

特征選擇 ( Feature Selection )也稱特征子集選擇( Feature Subset Selection , FSS ) ，或?qū)傩赃x擇( Attribute Selection ) ，是指從全部特征中選取一個特征子集，使構(gòu)造出來的模型更好。

 

(2) 為什么要做特征選擇

       在機器學習的實際應用中，特征數(shù)量往往較多，其中可能存在不相關(guān)的特征，特征之間也可能存在相互依賴，容易導致如下的后果：

?  特征個數(shù)越多，分析特征、訓練模型所需的時間就越長。

?  特征個數(shù)越多，容易引起“維度災難”，模型也會越復雜，其推廣能力會下降。

 

特征選擇能剔除不相關(guān)(irrelevant)或亢余(redundant )的特征，從而達到減少特征個數(shù)，提高模型精確度，減少運行時間的目的。另一方面，選取出真正相關(guān)的特征簡化了模型，使研究人員易于理解數(shù)據(jù)產(chǎn)生的過程。

 

 2 特征選擇過程

總結(jié)

以上是生活随笔為你收集整理的特征选择常用算法综述的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。