对于树模型,需不需要特征筛选

  统计/机器学习 监督式学习 特征选择    浏览次数: 96
0

尤其是梯度分类树,当然也包括回归,对于共线性,缺失都能在树里面很好的自我处理,那么特征是否还需要再筛选

(ps:我自己试了下,用简单的L1筛选和不筛选,比较了一下,在5折的下准确率均值有0.1,0.2的差距

 

陈十一   2018-04-11 09:28



   1个回答 
0

当然还是有必要的做特征筛选的,毕竟对模型是有影响的。

另外推荐你看看决策树、随机森林中的多重共线性问题,里面提到了特征筛选对模型解释性的影响。


Marvin_THU   2018-04-11 21:50



  相关主题

怎么理解决策树是模型自己在做interaction?   1回答

随机森林每次用多少个特征?   2回答

对于数值特征,决策树是如何决定阈值的?   3回答

随机森林给出的变量的Importantce是怎么来的   1回答

gbdt如何对连续特征离散化   1回答

在分类问题中,有什么方法可以得到特征的重要性?   2回答

对于组合特征怎么理解?   1回答

回归树是以什么标准来选特征的?   1回答

AIC可以是负数吗?   1回答

python使用MFCC特征训练GMMHMM模型   2回答

关于K均值聚类的权重问题   2回答

决策树怎么做增量学习或者online学习?   0回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!