特徵選擇與特徵提取

特徵選擇：從一組特徵中挑選出一些最有效的特徵（過程）。 特徵提取：通過映射或變換的方法，把模式空間的高維特徵向量變成特徵空間的低維特徵。 進行特徵選擇的好處主要有以下幾種： 降低過擬合風險，提升模型效果 提高訓練速度，降低運算開銷 更少的特徵通常意味着更好的可解釋性 特徵選擇的方法主要分爲三大類：過濾式方法 (Filter Methods)，包裹式方法 (Wrapper Methods) 和嵌入式

>>阅读原文<<