Machine learning 回归的特征选择过程

我试图解决一个回归问题（确定下个月的预期收入）。我开始了解不同的功能选择技术，如

过滤法

包装方法

嵌入方法

问题1：现在的问题是，我认为这些方法是针对分类类型的问题。那么，我们如何使用特征选择来解决回归问题呢

---

问题2：我开始了解“正规化”。这是回归问题中使用特征选择的唯一方法吗

我不知道您提到的这些过滤器选择，但您可以使用：

• Scikit-learn.selection\u feature.RFE（递归特征消除） 或
• Scikit-learn.selection_feature.PCA（主成分分析）

我很确定你可以用它们进行分类或回归

---

下面是一个使用RFE和线性回归的示例：

我不知道您提到的这些过滤器选择，但您可以使用：

• Scikit-learn.selection\u feature.RFE（递归特征消除） 或
• Scikit-learn.selection_feature.PCA（主成分分析）

我很确定你可以用它们进行分类或回归

以下是使用RFE和线性回归的示例：