Machine learning 提取过程后的特征选择
我了解到，建议在特征提取过程之后使用特征选择 但我读到的所有帖子中都少了一些东西： 假设我们有50个特征 假设我们使用特征提取，我们得到了3个新的提取特征 2个问题： 我们是否需要在以下设备上运行功能选择： 提取的3个特征？ 或 总共53个特征，基于50个特征+3个提取的特征？ 假设我们对特征提取的结果进行特征选择，而不是所有新提取的特征，即特征选择算法选择的3个特征中的2个， 如果我们可以降低一个“新”维度，那么特征提取的输出似乎不够好 我们在完整的原始特征集上运行特征选择，以选择最有用的特征 如果使用降维查找3个附加特征，则特征集将包含所有53个特征，因此您将在53个特征上运行特征选择 这似乎更像是一个陈述而不是一个问题。如果你的意思是，我们可以重新运行特征提取降维，减少1个特征，因为其中一个特征并不重要。不，您不能假设使用两个特征重新运行提取将确保两个特征都被选中。这完全取决于所使用的降维技术、特征选择方案、数据集等Machine learning 提取过程后的特征选择,machine-learning,feature-extraction,feature-selection,Machine Learning,Feature Extraction,Feature Selection,我了解到，建议在特征提取过程之后使用特征选择 但我读到的所有帖子中都少了一些东西： 假设我们有50个特征 假设我们使用特征提取，我们得到了3个新的提取特征 2个问题： 我们是否需要在以下设备上运行功能选择： 提取的3个特征？ 或 总共53个特征，基于50个特征+3个提取的特征？ 假设我们对特征提取的结果进行特征选择，而不是所有新提取的特征，即特征选择算法选择的3个特征中的2个， 如果我们可以降低一个“新”维度，那么特征提取的输出似乎不够好 我们在完整的原始特征集上运行特征选择，以选择最有用的特征