版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ZK_J1994/article/details/81319326
过滤式特征选择（先对特征进行过滤，再训练模型）
-
基本准则：计算每个特征的统计属性，根据阈值选择，或者选择固定的多少个特征
-
基于方差
-
基于皮尔逊相关系数（度量特征与目标变量的线性关系）
-
基于互信息（可以度量特征与目标变量的非线性关系）
-
基于信息增益，基尼指数等
包装式特征选择（给当前模型搜索一个最好的特征子集）
-
基本准则：从原特征集中生成多个特征子集，使用模型进行学习，评价，从而选出最优特征子
-
蛮力搜索
-
随机搜索
-
启发式搜索
嵌入式特征选择（将特征选择融入到模型训练之中）
-
基于正则化的特征选择
-
基于树模型特征选择