机器学习特征选择方法

有一句话这么说，特征决定上限，模型逼近上限。特征选择对后面的模型训练很重要，选择合适重要的特征，对问题求解尤为重要，下面介绍一些常见的特征选择方法。

通常来说，从两个方面考虑来选择特征：

• 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。
• 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。

①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

常用的有皮尔逊相关系数，斯皮尔曼秩系数，可见本博客中的相关分析http://blog.youkuaiyun.com/u014755493/article/details/69744860

②构建单个特征的模型，通过模型的准确性为特征排序，借此来选择特征

③