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）
2个回答
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
需要进行特征选择的，不然的话整个模型就是garbage-in-garbage-out（垃圾数据进，垃圾数据出）。
具体效果，还是应数据而定，看交叉验证的结果。
SofaSofa数据科学社区DS面试题库 DS面经
abuu
2020-01-13 23:02
相关主题
adaboost里的feature importance和随机森林里的feature importance是一回事吗？
1回答
怎么理解决策树是模型自己在做interaction？
2回答
为什么特征重要性约大，在决策树里分裂的顺序却是越靠后呢?
1回答
随机森林每次用多少个特征？
2回答
决策树可以做多元分类吗？
1回答
Gradient tree boosting和random forest (随机森林) 有什么区别和联系
1回答
关于knn算法中kd树的问题
1回答
随机森林警告：A column-vector y was passed when a 1d array was expected
1回答
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！