Variable Selection

释义 Definition

变量选择：在统计学、机器学习或回归建模中，从候选自变量（特征）里挑选出对预测或解释最有用的一部分变量，以提高模型的可解释性、泛化能力，并减少过拟合与冗余。

发音 Pronunciation (IPA)

/ˈvɛriəbəl səˈlɛkʃən/

例句 Examples

Variable selection helps reduce overfitting in a regression model.
变量选择有助于减少回归模型的过拟合。

After fitting several models, the team used variable selection based on cross-validation and domain knowledge to identify the most informative predictors.
在拟合了多个模型后，团队结合交叉验证和领域知识做变量选择，以找出信息量最大的预测变量。

词源 Etymology

variable 源自拉丁语 variabilis（“可改变的、不同的”），强调“会变化的量”；selection 源自拉丁语 selectio（“挑选、筛选”）。合在一起即“把变量筛选出来”的建模步骤与方法统称。

相关词 Related Words

• Feature Selection
• Model Selection
• Regularization
• Lasso
• Ridge Regression
• Stepwise Regression
• Cross-Validation
• Overfitting

文献与作品 Literary & Notable Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——系统讨论特征/变量选择与正则化方法。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）——以教学方式讲解变量选择、交叉验证与模型评估。
• Applied Regression Analysis（Draper & Smith）——回归建模中变量选择与逐步回归等经典内容。
• “Regression Shrinkage and Selection via the Lasso”（Tibshirani, 1996）——提出 LASSO，用于变量选择与系数收缩的代表性论文。