如何在不考虑使用的模型的情况下选择最佳功能？

Question

我使用tensorflow的DNNRegressor来建模一个多元回归问题。我想从分类和连续特征的混合包中形成一个最优的特征集。最好的方法是什么？原因是，我希望这种方法独立于模型，因为我无法在tensorflow的直接上下文中找到很多关于特征选择/评估的内容。在

Answer 1

Tensorflow是机器学习算法的主要库。因此，您需要使用其他库进行预处理。 Scikit库在很多情况下都是很好的。你应该试试看，它包含feature selection methods。我不确定分类特征，但如果不是，你总能把它转换成数字特征。 他们建议：

For regression: f_regression, mutual_info_regression

对于任何问题，您可以使用他们的第一个方法VarianceThreshold