这是一个创建于 2244 天前的主题，其中的信息可能已经有所发展或是发生改变。
分类问题在应用的时候大多还是通过特征预测标签这样的形势
图像识别也好，异常检测也好。
现在有这样一个场景，有特征有标签，并且通过算法能取得还可以的分类效果
但是目标不是通过特征预测标签，而是想要知道特征在什么情况下可以产生正样本
换句话说，特征是可以控制的变量，如果想要获得尽可能多的正样本，要怎么去控制这些特征？
 |
1
takato 2018-09-30 20:41:52 +08:00
|
 |
2
swordspoet 2018-09-30 23:20:43 +08:00  1
是不是可以从特征的重要性着手？比如对每个特征单独训练出一个分类器，然后根据预测正样本的个数来对特征的重要性排序。
|
 |
3
flyaway 2018-09-30 23:46:17 +08:00 1
SVD、PCA 等方法可以试试，找出最重要的特征。
|
 |
4
edwardlol OP @swordspoet feature importance 已经有在做，目前的这个项目有五六百个特征，结果得出来每一个特征的重要性都不是特别高。可能随着项目推进对特征逐一进行清洗和筛选会有更好的结果。另外得到重要特征后依然有点迷茫，目前的想法是观察正负样本下重要特征的均值和标准差，希望他们的分布有些区别，但是好像没这么简单。
|
 |
5
alixali 2018-10-02 15:59:04 +08:00
可以理解为找到正样本和负样本之间的特征差异吗？那就是只采用正样本去进行拟合，可以观察一下过拟合后的各个特征参数。
|
 |
6
neosfung 2018-10-08 10:27:40 +08:00 via iPhone
Gan 了解一下？
|
Select Language