关于特征选取

来源：11-8 RBF核函数中的gamma

慕设计1002876

2020-06-06

老师，如果我使用Svm算法，选取了一篮子特征，肯定有的特征区分度强，有的区分度弱，那我有没有必要用遗传算法之类的工具，删去低效率的特征呢？或者说我保留低效的特征会不会显著降低我的分类效果？

写回答

1回答

liuyubobobo

2020-06-07

已采纳

如果能够删除低效特征，还是建议做的。

这里的关键，其实不完全是低效特征的“低效”。如果抛开性能问题不谈，这要是特征太多，会导致数据维数过大，导致维度灾难。维度灾难会使得分类效果显著下降。解决方案是：增大数据量。维度越高，为了避免维度灾难，就需要越大的数据量。但是大多数时候，我们很难有无穷的数据量。

也正是因为如此，特征工程在机器学习算法的实践中是非常重要的。当然，特征工程不仅仅是删除“低效特征”，也旨在挖掘“更高效”的特征。关于特征工程更多讨论，可以参考这里：http://coding.imooc.com/learn/questiondetail/40722.html

继续加油！：）

慕设计1002876

liuyubobobo

噢，看来确实模型有问题

2020-06-07

共4条回复

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5839 学习 · 2437 问题

相似问题

回答 2

回答 1

回答 1

回答 5

回答 2