特徵選取
含有「特徵選取」共 3 篇內容
全部內容
發佈日期由新至舊
本文會利用sklearn引入breast_cancer datasets來訓練，在處理數據的部份，特徵工程用兩種方式去做處理，分別是特徵選取與特徵萃取的方式去做比較。
特徵選取的方法中，使用了KNN 分類器來選出最重要的兩個特徵
特徵萃取的方法中，使用了PCA降維
Sequential Feature Selection(SFS)
用中文來解釋為，逐一特徵選取訓練，找出最重要的特徵，以提高模型的性能和效率
SFS 的一些用途包括：
維度縮減： 在高維度數據中，許多特徵可能是多餘或不重要的，使用 SFS 可以找到最能代表數據的特徵，從而減少計算和記憶體需求
透過機器學習與統計分析角度分析UCI機器學習資料集中的網路顧客購買意圖資料，並透過決策樹方式預測顧客是否會購買產品，提及少部分特徵選取、資料不平衡問題。
