机器学习笔记——特征选择

常见的特征选择方法大致可分为三类： 过滤式：过滤式方法先对数据集进行特征选择，然后再训练学习器，特征选择过程与后续学习器无关。这相当于先用特征选择过程对初始特征进行“过滤”，再用过滤后的特征来训练模型。 包裹式：包裹式特征选择直接把最终将要使用的学习器的性能作为特征子集的评价标准。换言之，包裹式特征选择的目的就是为给定学习器选择最有利于其性能，量身定做的特征子集。 嵌入式特征选择是将特征选择过程与

>>阅读原文<<