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:1408        分享
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。


SofaSofa数据科学社区DS面试题库 DS面经

Marvin_THU   2018-04-11 21:50



  相关主题

随机森林每次用多少个特征?   2回答

随机森林给出的变量的Importance是怎么来的   2回答

怎么理解决策树是模型自己在做interaction?   2回答

决策树可以做多元分类吗?   1回答

随机森林是如何计算测试样本的概率的?   1回答

怎么得到randomforestregressor里每棵树的预测结果?   1回答

python sklean中的决策树是用的哪一种决策树算法?   2回答

Gradient tree boosting和random forest (随机森林) 有什么区别和联系   1回答

怎么理解RandomForest中的max_features?   1回答

对于数值特征,决策树是如何决定阈值的?   3回答

回归树是以什么标准来选特征的?   1回答

随机森林中增加树的数量对于偏差和方差的影响   2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!