Встречается на собеседованиях • сегодня

Какие знаешь методы отбора признаков

Отбор признаков помогает улучшить качество модели, снизить переобучение и ускорить обучение. Основные методы:

  1. Фильтрация (Filter methods) — отбор на основе статистических метрик (корреляция, ANOVA, хи-квадрат).
python
from sklearn.feature_selection import SelectKBest, f_classif
selector = SelectKBest(f_classif, k=10)
X_new = selector.fit_transform(X, y)
  1. Оберточные методы (Wrapper methods) — используют модель для оценки важности признаков (например, рекурсивное исключение RFE).
python
from sklearn.feature_selection import RFE
from sklearn.linear_model import LogisticRegression
rfe = RFE(LogisticRegression(), n_features_to_select=5)
X_rfe = rfe.fit_transform(X, y)
  1. Встроенные методы (Embedded methods) — отбор внутри алгоритма (L1-регуляризация, feature_importances_).
python
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier()
model.fit(X, y)
importances = model.feature_importances_
  1. Методы на основе дисперсии — удаление низковариативных признаков.
python
from sklearn.feature_selection import VarianceThreshold
selector = VarianceThreshold(threshold=0.1)
X_high_var = selector.fit_transform(X)

Выбор метода зависит от данных, вычислительных ресурсов и задачи.

Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы