逻辑回归中的特征选择有哪些方法？

我正在研究逻辑回归，但在实际应用中，当特征数目非常大时，如何选择重要的特征变得相当重要。因此，我想请问一下逻辑回归中特征选择有哪些方法？比如基于统计的方法有哪些？基于模型的方法有哪些？另外，对于对数几率回归，如何根据特征的重要性进行排序和筛选？希望有经验的朋友能帮助解答，感谢万分！

提问时间：2023-06-25 00:58:49 编辑时间：2023-06-25 00:58:51 提问者： 蒹葭苍苍
  • Ocean_Singer
    1

    逻辑回归中的特征选择方法包括基于统计的方法和基于模型的方法。基于统计的方法有方差分析、卡方检验、互信息法等，基于模型的方法有L1和L2正则化等。对于对数几率回归，可以根据特征的权重大小进行排序和筛选。常用的排序方法有根据权重大小排序、根据重要度排序（如Gini指数、信息增益）、根据影响力排序等。最后，需要根据实际情况选择适合的方法进行特征选择。

    回答时间：2023-06-25 00:58:55
相关标签

逻辑回归 特征选择 方法 标签