特征选择 | 变量重要性衡量
写在前面
特征选择是预测模型构建的关键步骤，旨在1）降低数据维度，减少计算量；2）剔除一些无关或冗余变量，改善预测效果。
常规方法
用于特征选择的方法众多
- 简单的单因素分析（t检验、卡方）
- 回归分析（单因素或多因素回归）
- 特征选择算法（信息增益、LASSO、SHAP、Boruta等）
存在问题
- 1）每个方法选出的变量不尽相同，以哪个为准？为什么要以这个为准？
- 2）有些方法仅给出变量重要性，如SHAP，那到底是选择top5还是top10还是top20？
解决策略
一般来说，多数朋友会仅使用某一种特征选择算法，进而基于选择出的变量做预测模型。但是，这样很可能被审稿人问到，为何选择这个方法，代表性何在？为什么选择top10变量构建模型？为了规避这个问题，比较好的解决策略是：采用多个常用的特征选择方法，分别做特征选择，并纳入这些方法中共有的因素。
参考资料
[1] Artificial intelligence in detecting left atrial appendage thrombus by transthoracic echocardiography and clinical features: the Left Atrial Thrombus on Transoesophageal Echocardiography (LATTEE) registry
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229
[3] Reference: XGBoost-SHAP-based interpretable diagnostic framework for alzheimer’s disease