严格把控功能选择

全力以赴地进行特征工程是很好的做法，但同样重要的是要记住，过多的数据会让模型不堪重负，给学习重要内容带来困难。精确判断哪些特征要留存，又有哪些特征要剔除，可以对模型大有裨益。

通常，删除列时要尽量保守一些。数据不可多得，所以只有当你确定数据不会有什么用处时，才可以把它删除。

• 仔细观察数据。特别是有很多分类变量的时候，可能会有多余的列出现。例如，比赛中偶尔会有“对照组”样本的目标总是0，去掉这一数据往往会更好。
• 获取信息。你可以计算每个特征对最终模型的预测提供的信息增益，然后删除几乎不提供任何信息的特征。
• 方差阈值。这是吸引力较小的信息增益版本(但有时更实用)，计算每一列的方差，并删除方差小的列(做必要的缩放后)。
• 特征降维。若出现较多高度相关的特征，那么使用降维的特征可能会有帮助。一般需要尽量不删除而只是减少那些不太“重要”的特征。如此一来，你仍能保留该有的信息。

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!