如何解决使用具有归一化方差的方差阈值
我们知道应该删除零方差或低方差特征以帮助降低模型复杂性。但是,我开始了解到比较特征的差异可能很困难。例如:
以上特征都有不同的中位数、不同的方差和范围。此外,分布中的值越高,方差越大。因此,为了公平比较,我们是否可以通过将所有特征除以均值来标准化所有特征,如下所示:
normalized_df = df / df.mean()
我在 DataCamp 课程中看到过这种技术,课程中建议在进行上述归一化后,我们可以选择较低的方差阈值,例如 0.005,以便在特征选择中进行公平比较。我想知道它是否正确。
如果是,应该为归一化特征选择什么样的阈值?
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。