本文通过两次实验探讨特征选择对于模型效果的影响。首次实验采用所有特征进行训练，结果显示相较于仅使用高分特征的方法略有提升；第二次实验则在上次最佳特征集的基础上移除最高分特征并引入新特征，但未能进一步提高分数。文章最后总结指出，盲目增加特征可能加剧过拟合问题，并提出未来工作重点在于程序优化。
今天我们离成功又近了一步，因为又失败了两次
第一次使用了所有特征，理由：前天的特征使用的是取单个特征测试超过85分的特征，结果出现过拟合现象。
本次使用所有特征是为了和昨天的结果作比较。
结果稍好：比最佳分数多了1分
第二次使用了上一次最佳结果的特征，去除其中单个特征测试结果最好的，加入新的特征，加入的特征为新总结的特征，结果等于以前的最佳成绩。 也就是说没有进步
总结：盲目增加特征有可能继续造成过拟合，接下来的工作应该在程序上做文章，优化程序，做出一个为现在的工作服务的程序，也可以说是量身定做
转载于:https://www.cnblogs.com/jjuiipg2017/p/6918945.html
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
118
