『深度学习笔记』深度学习笔记 — 特征工程_深度学习打印最终的w权重,查看各个特征向量的重要性

一、特征选择

特征选择主要有三种方式：

1.1 Filter 方法

主要思想： 对每一维特征进行“打分”，即给每一维的特征赋予权重，这样的权重即代表了该维特征的重要性，然后根据权重排序。

主要方法：

1. Chi-squared test 卡方检验
2. information gain 信息增益
3. correlation coeficient scores 相关系数

1.2 Wrapper 方法

主要思想： 将子集的选择看作是搜索寻优问题，生成不同的组合，对组合进行评价，再与其他组合进行比较。这样将子集的选择看作是一个优化问题，通过优化算法即可解决。

主要方法：

1. Recursive Feature Elimiantion Algorithm 递归特征消除算法

1.3 Embedded 方法

主要思想： 在模型既定的情况下学习出对提高模型准确性最好的属性，即在确定模型的过程中，挑选出那些对模型的训练有重要意义的属性。

主要方法：

• 正则化、岭回归 就是在基本线性回归的过程中加入了正则项