Python 选择与所用模型无关的特征的最佳方法是什么？

我正在使用tensorflow的DNNRegrestor对多元回归问题进行建模。我想从分类特征和连续特征的混合袋中形成一个最佳特征集。最好的方法是什么？我之所以希望这种方法独立于模型，是因为我无法在tensorflow的直接上下文中找到太多关于特征选择/评估的信息。

tensorflow主要是机器学习算法库。因此，需要使用其他库进行预处理。 Scikit库在许多情况下都很好。你应该试试看，它包含了。我不确定分类特征，但如果不是，你总是可以将其转换为数字特征。 他们建议：

对于回归：f_回归、相互信息回归

---

对于任何问题，你都可以使用他们的第一种方法

也许你可以为手头的问题提供更多的背景。你们计划实现什么，你们尝试了什么，数据集描述等等。我试图预测未来某个时间段内产品的库存。该问题被设计为以需求为目标变量，以产品价格、品牌等多个输入为特征的回归问题。我们从一组基于直觉和离线经验的功能开始，了解影响需求的因素。这个集合包括数值变量和分类变量。现在，我想添加更多功能，但需要一种从现有变量和其他变量中导出最佳集的方法。