淺談關於特徵選擇算法與Relief的實現

一、 背景 1) 問題 在機器學習的實際應用中，特徵數量可能較多，其中可能存在不相關的特徵，特徵之間也可能存在相關性，容易導致如下的後果： 1.     特徵個數越多，分析特徵、訓練模型所需的時間就越長，模型也會越複雜。 2.     特徵個數越多，容易引起「維度災難」，其推廣能力會下降。 3.     特徵個數越多，容易導致機器學習中經常出現的特徵稀疏的問題，導致模型效果下降。 4.     對

>>阅读原文<<