使用XGBoost R执行功能选择
我在R中创建了一个预测模型。我想做特征选择。我已经读到xgboost不需要进行变量选择，但我为过去的1、2、3、4和5个分数添加了一个变量。添加每个变量，在5倍5次重复交叉验证中得出这些RMSE 10.3 10.1 10 10.1 10.5 这表明变量选择确实会产生差异，因为错误率会产生U型 我正在考虑迭代所有新变量，但这听起来效率很低。有更好的方法吗使用XGBoost R执行功能选择,r,r-caret,xgboost,feature-selection,R,R Caret,Xgboost,Feature Selection,我在R中创建了一个预测模型。我想做特征选择。我已经读到xgboost不需要进行变量选择，但我为过去的1、2、3、4和5个分数添加了一个变量。添加每个变量，在5倍5次重复交叉验证中得出这些RMSE 10.3 10.1 10 10.1 10.5 这表明变量选择确实会产生差异，因为错误率会产生U型 我正在考虑迭代所有新变量，但这听起来效率很低。有更好的方法吗 我也在考虑做逐步回归并使用这些特性。这是一个好主意吗？您可以尝试根据特征重要性得分执行特征选择，只保留其重要性超过给定阈值（如平均特征重要性）的
我也在考虑做逐步回归并使用这些特性。这是一个好主意吗？您可以尝试根据特征重要性得分执行特征选择，只保留其重要性超过给定阈值（如平均特征重要性）的特征，并尝试查看这是否改善RMSE