數據預處理之特徵選擇

特徵選擇的意義 在對數據進行異常值、缺失值、數據轉換等處理後，我們需要從當前數據集中選出有意義的特徵，然後輸入到算法模型中進行訓練。 對數據集進行特徵選擇主要基於以下幾方面的考慮： 1.冗餘的特徵會影響阻礙模型找尋數據潛在的規律，若冗餘的特徵過多，還會造成維度容災，佔用大量的時間空間，使算法運行效率大打折扣。 2.去除不相關的特徵會降低學習任務的難度，保留關鍵的特徵更能直觀的看出數據潛在的規律。

>>阅读原文<<