16.【进阶】特征提升之特征筛选----feature_selection

最新推荐文章于 2025-05-19 18:43:09 发布

原创

最新推荐文章于 2025-05-19 18:43:09 发布 · 1.4k 阅读

5 ·

CC 4.0 BY-SA版权

本文为博主原创文章，未经博主允许不得转载。

文章标签：

#机器学习 #特征筛选 #泰坦尼克号

本文深入探讨了在机器学习项目中如何进行特征筛选，以提升模型性能。以泰坦尼克号数据集为例，详细阐述了特征筛选的重要性和具体方法，包括基于统计的方法和基于模型的方法，旨在帮助读者掌握有效的特征选择技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#-*- coding:utf-8 -*-

#特征筛选的目标：一句话来说就是去冗余特征；与PCA不同，不会修改特征值，而是寻找那些对模型性能提升较大的少量特征

#使用Titanic数据集，通过特征筛选的方法一步步提升决策树的预测性能

import pandas as pd
titanic = pd.read_csv('http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt')

#分离数据特征与预测目标
y = titanic['survived']
X = titanic.drop(['row.names','name','survived'],axis=1)

#填充缺失数据
X['age'].fillna(X['age'].mean(),inplace=True)
X.fillna('UNKNOWN',inplace=True)

#分割数据
from sklearn.cross_validation import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state=33)

#类别型特征向量化
from sklearn.feature_extraction import DictVectorizer
vec = DictVectoriz