Machine learning 如何处理几乎不变的特性？_Machine Learning_Feature Selection_Lasso Regression

Machine learning 如何处理几乎不变的特性？

machine-learning

Machine learning 如何处理几乎不变的特性？,machine-learning,feature-selection,lasso-regression,Machine Learning,Feature Selection,Lasso Regression,当一个特征几乎不变时，它会被套索正则化消除。这是否意味着该功能带来的信息是多余的，在应用时间序列或其他ML模型时无法使用？或者有没有关于如何处理恒定或几乎恒定的特征的策略？通常删除这些特征是一个好主意，因为如果特征是恒定的，它不会对目标变量产生任何影响，可以忽略。然而，如果它“几乎”不变，那么它取决于你的情况。我建议绘制一个相关矩阵，看看这个特性与目标变量的相关性如何。你可以看到，它没有相关性，几乎是常数，那么忽略它（就像Lasso所做的那样）可能是个好主意，因为它对目标变量没有显著影响

当一个特征几乎不变时，它会被套索正则化消除。这是否意味着该功能带来的信息是多余的，在应用时间序列或其他ML模型时无法使用？或者有没有关于如何处理恒定或几乎恒定的特征的策略？

通常删除这些特征是一个好主意，因为如果特征是恒定的，它不会对目标变量产生任何影响，可以忽略。然而，如果它“几乎”不变，那么它取决于你的情况。我建议绘制一个相关矩阵，看看这个特性与目标变量的相关性如何。你可以看到，它没有相关性，几乎是常数，那么忽略它（就像Lasso所做的那样）可能是个好主意，因为它对目标变量没有显著影响