Machine learning 回归的特征选择过程

Machine learning 回归的特征选择过程,machine-learning,regression,data-science,Machine Learning,Regression,Data Science,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

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: