Pycaret 完整学习⑥

文章预览

特征选择 特征重要性是一个选择过程，用于选择数据集中对预测目标变量贡献最大的特征。使用选定的特征而不是所有特征可以降低过度拟合的风险，提高准确性并减少训练时间。 特征强调是一个选择过程，用于选择集中数据对预测目标指标贡献最大的特征。使用选定的特征而不是所有特征可以降低过度显着的风险，提高准确性并减少训练时间。 在 PyCaret 中，这可以使用 feature_selection 这一参数。 在 PyCaret 中，可以使用 feature_selection 这个参数。 参数 feature_selection: bool, default = False feature_selection：布尔值，默认 = False feature_selection：布尔值，默认值 = False 设置为 True 时，将根据 确定 feature_selection_estimator 的特征重要性分数选择特征子集。 feature_selection：布尔值，默认值 = False 设置为 True 时，将根据确定 feature_selection_estimator 的特征重要性分数选择 ………………………………