机器学习中的特征选择（过滤式，包裹式，嵌入式）

  1 Intro 从给定的特征集合中选择出相关特征子集的过程，称为“特征选择”。特征选择是一个重要的数据预处理过程，进行特征选择的原因如下： 减少特征数量、降维，使模型泛化能力更强，减少过拟合； 去除不相关特征，降低学习难度。 常见的特征选择方法大致可以分为三类：过滤式、包裹式和嵌入式。 2 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，这相当于先对初

>>阅读原文<<