如何解决特征选择和低 Pearson's R
我正在尝试进行特征选择过程，因为 df 中有 +100 列。
当输入'n_features_to_select=1'时，RFE建议将特征A作为最佳特征。
问题在于y 和特征A 之间的Pearson R 仅为0.1， 这似乎太低而无法解释y。然而，仅特征A与整个特征之间的预测分数几乎相似，这意味着特征A可以构成一个好的模型。
那么，特征选择和 Pearson's R 之间有什么关系吗？高 Pearson's R 不保证应该选择该功能吗？
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。
