今天爱分享给大家带来特征选择包括什么？【面试题详解】，希望能够帮助到大家。
1.Filter
使用方差、Pearson相关系数、互信息等方法过滤特征，评估单个特征和结果值之间的相关程度，留下Top相关的特征部分。
2.Wrapper
可利用“递归特征删除算法”，把特征选择看做一个特征子集搜索问题，筛选各种特征子集，用模型评估效果。
3.Embedded
可利用正则化方式选择特征，使用带惩罚项的基模型，除了选择出特征外，同时也进行了降维。
意义：
-剔除对结果预测不大的特征，减小冗余，选择有意义的特征输入模型，提高计算性能。
降维：
方法：主成分分析法（PCA）和线性判别分析（LDA）
意义：
通过PCA或LDA方法，将较高维度样本空间映射到较低维度的样本空间，从而达到降维的目的，减少模型的训练时间，提高模型的计算性能。