作者 | Pier Paolo Ippolito
翻译 | Skura
编辑 | 唐里
原文标题：Feature Selection Techniques
原文链接：https://towardsdatascience.com/feature-selection-techniques-1bfab5fe0784
据《福布斯》报道，每天大约会有 250 万字节的数据被产生。然后，可以使用数据科学和机器学习技术对这些数据进行分析，以便提供分析和作出预测。尽管在大多数情况下，在开始任何统计分析之前，需要先对最初收集的数据进行预处理。有许多不同的原因导致需要进行预处理分析，例如：
- 收集的数据格式不对（如 SQL 数据库、JSON、CSV 等）
- 缺失值和异常值
- 标准化
- 减少数据集中存在的固有噪声（部分存储数据可能已损坏）
- 数据集中的某些功能可能无法收集任何信息以供分析
在本文中，我将介绍如何使用 python 减少 kaggle Mushroom Classification 数据集中的特性数量。本文中使用的所有代码在 kaggle 和我的 github 帐号上都有。减少统计分析期间要使用的特征的数量可能会带来一些好处，例如：
- 提高精度
- 降低过拟合风险
- 加快训练速度
- 改进数据可视化
版权声明：本文为weixin_35455135原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。