【导读：当今人类即将或者已然了进入智能时代，这是·情报通·人工智能科普系列第[8]篇文章，欢迎阅读和收藏！】
1 基本概念
数据是实现机器学习的重要输入，而特征选择就是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：
1) 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。
2) 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。
2 术语解释
特征 ：一个客体或一组客体特性的抽象结果。
Filter ： 方差选择法，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。
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。
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。
3 过滤法
3.1 方差选择法
使用方差选择法，先要计算各个特征的方差，然后根据阈值，选择方差大于阈值的特征。
3.2 相关系数法
使用相关系数法，先要计算各个特征对目标值的相关系数以及相关系数的 P 值。
3.3 卡方校验
经典的卡方检验是检验定性自变量对定性因变量的相关性。
3.4 互信息法
经典的互信息也是评价定性自变量对定性因变量的相关性的
4 包装法
4.1 递归特征消除法
递归消除特征法使用一个基模型来进行多轮训练，每轮训练后，消除若干权值系数的特征，再基于新的特征集进行下一轮训练。
5 嵌入法
5.1 基于惩罚项的选择
使用带惩罚项的基模型，除了筛选出特征外，同时也进行了降维。
5.2 基于树模型的选择
树模型中 GBDT 也可用来作为基模型进行特征选择。
分享到:
閱讀更多 情報通 的文章
