机器学习｜第5期. 特征工程干货及R实战（二）

文章预览

BE声明学写文章② 往期回顾   REVIEWS   1）机器学习｜第1期. 一图get机器学习基本流程 2） 机器学习｜第2期. 你该知道的数据预处理实战① 3）机器学习｜第3期. 你该知道的数据预处理实战② 4）机器学习｜第4期. 特征工程干货及R实战（一） 上一期我们带大家学习了机器学习的特征工程干货及R实战（一），相信大家对机器学习的特征选择有一定的体会！本期我们继续剖析特征工程中特征选择的常用方法， Lasso回归及Boruta 。 MASCU • ✦ 机器学习 ✦ • 01 特征选择之Lasso回归 Lasso（Least Absolute Shrinkage and Selection Operator）回归主要用于当 存在大量潜在预测变量时 ，对这些变量进行筛选和参数估计，达到降维效果。Lasso回归的一个关键特性是它能够产生稀疏的模型，即它会将一些不重要的变量的系数估计为零，从而实现特征选择。其主要原理是通过对系数 ………………………………