共计 714 个字符，预计需要花费 2 分钟才能阅读完成。
特征选择在机器学习中占据了重要的地位，通常在构造完特征之后会发现很多特征，少则十几个多则几十个，其实这些特征并不完全对我们构造的模型有益，也许其中只有部分特征会对我们的模型是最佳组合，因此我们需要筛选出相应的特征组合作为训练的特征。
特征较多带来的问题：
- 特征维数较高，训练模型会比较麻烦
- 维数灾难，训练的模型效果不一定好且泛化能力较差
因此需要特征选择的过程
当数据预处理完成后，我们需要选择有意义的特征输入机器学习的算法和模型进行训练。通常来说，从两个方面考虑来选择特征：
- 特征是否发散：如果一个特征不发散，例如方差接近于0，也就是说样本在这个特征上基本上没有差异，这个特征对于样本的区分并没有什么用。
- 特征与目标的相关性：这点比较显见，与目标相关性高的特征，应当优选选择。除方差法外，本文介绍的其他方法均从相关性考虑。
根据特征选择的形式又可以将特征选择方法分为3种：
- Filter：过滤法，按照发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，选择特征。
过滤法是相当于对特征预处理，也是一种通过评价函数的手段，流程如下：
- Wrapper：包装法，根据目标函数（通常是预测效果评分），每次选择若干特征，或者排除若干特征。
包装法主要是选取一些特征组合然后对样本进行分类，根据分类的精度确定最终的特征组合，涉及到 分类器训练，在训练之后通过评价函数衡量
- Embedded：嵌入法，先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。类似于Filter方法，但是是通过训练来确定特征的优劣。
我们使用sklearn中的feature_selection库来进行特征选择。
正文完
请博主喝杯咖啡吧！
