機器學習筆記——特徵選擇

常見的特徵選擇方法大致可分爲三類： 過濾式：過濾式方法先對數據集進行特徵選擇，然後再訓練學習器，特徵選擇過程與後續學習器無關。這相當於先用特徵選擇過程對初始特徵進行「過濾」，再用過濾後的特徵來訓練模型。 包裹式：包裹式特徵選擇直接把最終將要使用的學習器的性能作爲特徵子集的評價標準。換言之，包裹式特徵選擇的目的就是爲給定學習器選擇最有利於其性能，量身定做的特徵子集。 嵌入式特徵選擇是將特徵選擇過程與

>>阅读原文<<