Python全系列 教程
3567个小节阅读:5930.6k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
在Kaggle竞赛中,经常采用这样的方法选择有效特征:如果当加入某个特征后模型的表
现很好,而去掉该特征后模型表现不好,则应该保留该特征。
线性模型:coef_
树模型:feature_importances_
Permutation importance
将特征随机打散后计算模型精度的差异,并将精度变化作为特征重要性
将标签多次乱序后,对比原始特征与打乱标签后的特征重要性
如上图,右边的两张图说明对应的特征与标签强相关