Machine learning 非单调特征选择决策
为什么在试图确定输出时使用非单调特性是不好的。例如，为什么选择一个温度来确定患者的健康状况是不好的呢？相反，我说 假设我们考虑两个特征F1（时间），F2（温度），F2随F1变化 简单回答：Machine learning 非单调特征选择决策,machine-learning,artificial-intelligence,feature-selection,Machine Learning,Artificial Intelligence,Feature Selection,为什么在试图确定输出时使用非单调特性是不好的。例如，为什么选择一个温度来确定患者的健康状况是不好的呢？相反，我说 假设我们考虑两个特征F1（时间），F2（温度），F2随F1变化 简单回答： 给定F1时，F2的熵较低 F1和F2的相关性太高 不要担心，因为第一个特征选择算法会将其删除！：）
- 给定F1时，F2的熵较低
- F1和F2的相关性太高