摘要：
通过结合方差阈值、特征相关性分析、单因素统计测试、递归特征消除和特征重要性等特征选择方案，在减少特征数量的同时，最大限度地保留对目标变量的关键信息，从而提升模型的效率、可解释性，并防止过度拟合的发生。 一、特征相关性分析 计算各个特征之间的相关性（可用皮尔逊相关系数）。如果有相关系数较高的两个特征， 阅读全文
|
摘要：
通过结合方差阈值、特征相关性分析、单因素统计测试、递归特征消除和特征重要性等特征选择方案，在减少特征数量的同时，最大限度地保留对目标变量的关键信息，从而提升模型的效率、可解释性，并防止过度拟合的发生。 一、特征相关性分析 计算各个特征之间的相关性（可用皮尔逊相关系数）。如果有相关系数较高的两个特征， 阅读全文
摘要：
一、特征缩放的定义，原因 特征缩放（feature scaling）是在机器学习中常用的数据预处理步骤，是数据预处理步骤中及其容易被忽略的一步。 为什么要特征缩放？考虑一下 kNN 算法，如果我们有两个特征，特征 A 的取值范围在 [1，10]，特征 B 的取值范围在 [1, 100000]。那么在 阅读全文
|