如何解决特征选择：随机森林与多元线性回归
我正在从事一个关于 python 的项目，我必须在其中找到推动播放列表成功的功能。我有一些变量，比如歌曲数量、专辑数量、艺术家数量、流派数量、情绪数量以及流派数量 + 情绪。歌曲、专辑、艺术家等多达数千，而情绪/流派的数量是0,1、2或3，流派+情绪的数量在0-6之间。因变量是每个播放列表的流/用户。
我无法解释某些模型。当我使用多元线性回归时，流派数量、情绪和流派+情绪的系数最大（大约 11、-15 和 -3），而其他较大的范围变量的系数为千分之一（5e-3， 3e-3 等）。
然后，如果我在相同的特征上运行随机森林模型（我可以用变量范围来做这个吗？）最重要的特征是歌曲、专辑和艺术家的数量，值在 0.26 之间的十分之一-.33 并且流派/情绪特征为千分之一。
我怎么知道其中哪一个是正确的解释？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
