Machine learning 确定数据分析中变量的重要性

我们通常如何确定数据集中的给定变量（特征）对于准确执行预测任务是否重要

应进行哪些测试并使用哪些测试来确定预测变量的适用性

假设我有32个特征，其中一个是“收入”，那么我应该如何开始分析它的重要性呢。将此功能与其他功能进行比较是否有任何用处，因为最终它是有助于预测的变量集合，而不是比较的这两个变量…

从这里开始（尤其是段落功能选择教程和配方）：

还有（列出了可用于进一步谷歌搜索的方法的数量）：

这也是一篇很好的文章，对这个问题进行了更广泛的讨论：

另外，最简单的方法是尝试在数据集上安装随机森林或梯度提升机。这些算法在拟合期间自动评估每个特征的重要性，在分类器或回归器拟合后，您可以访问（在scikit学习中）其

特征\u重要性\u

属性-