Python特征的重要性
特征重要性是一种为预测模型的输入特征评分的方法，该方法揭示了进行预测时每个特征的相对重要性.........
特征重要性是一种为预测模型的输入特征评分的方法，该方法揭示了进行预测时每个特征的相对重要性。可以为涉及预测数值的问题（称为回归）和涉及预测类别标签的问题（称为分类）计算特征重要性得分。
作用
特征重要性得分可以帮助了解数据集
相对得分可以突出显示哪些特征可能与目标最相关，反之则突出哪些特征最不相关。这可以由一个领域专家解释，并且可以用作收集更多的或不同的数据的基础。
特征重要性得分可以帮助了解模型
大多数重要性得分是通过数据集拟合出的预测模型计算的。查看重要性得分可以洞悉该特定模型，以及知道在进行预测时哪些特征最重要和哪些最不重要。这是一种模型解释，适用于那些支持它的模型。
特征重要性可用于改进预测模型
可以使用的重要性得分来选择要删除的特征（最低得分）或要保留的特征（最高得分）。这是一种特征选择，可以简化正在建模的问题，加快建模过程（删除特征称为降维），在某些特征重要性得分可以被输入到包装器模型，如SelectFromModel或SelectKBest，以进行特征选择。
特征重要性得分可以被输入到包装器模型，如SelectFromModel或SelectKBest，以进行特征选择。有许多方法和模型可以计算特征重要性得分。
最简单的方法是计算每个特征和目标变量之间的统计学相关系数。情况下，还可以改善模型的性能。
以上就是有关Python特征的重要性的相关内容了，想要了解更多有关python的其它知识也可关注六星社区网站。
- 发表于 2021-08-07 14:23
- 阅读 ( 722 )
- 分类：Python开发
