机器学习开发过程就是在速度、模型大小和性能之间实现一种良好的平衡。
为了实现：
● 提高速度，
● 减少模型大小，同时
● 维持（或最小降低）性能……
一种常见的做法是特征选择，其思想是从数据集中选择最有用的特征子集。
虽然有很多特征选择的方法，但我发现‘探针方法’相对可靠、实用，并且使用起来直观。
下图展示了其工作流程：
机器学习开发过程就是在速度、模型大小和性能之间实现一种良好的平衡。
为了实现：
● 提高速度，
● 减少模型大小，同时
● 维持（或最小降低）性能……
一种常见的做法是特征选择，其思想是从数据集中选择最有用的特征子集。
虽然有很多特征选择的方法，但我发现‘探针方法’相对可靠、实用，并且使用起来直观。
下图展示了其工作流程：
