如何在逻辑回归算法中确定最好的特征选择方案?

在运用逻辑回归算法时,选取合适的特征是至关重要的。但是,如何确定最佳的特征选择方案呢?我在进行特征选择时遇到了困惑,我不知道如何有效地使用逻辑回归算法来筛选特征。我已经尝试使用相关性分析和L1正则化方法,但结果并不尽如人意。请问有哪些其他的方法或技巧可以应用在逻辑回归特征选择中,以识别最优的特征组合呢?希望得到专业人士的回答和帮助。

提问时间:2023-05-25 09:53:14 编辑时间:2023-05-25 09:53:16 提问者: Black_Thunder
  • 蒹葭苍苍
    9

    在逻辑回归算法中,可以使用基于统计学的方法,如卡方检验、F检验或互信息来选择特征。此外,可以使用基于模型的方法,如递归特征消除和特征重要性评估,通过逐步删除或评估特征的重要性来选择最佳的特征组合。还可以应用基于机器学习的方法,如遗传算法和贪心算法来进行优化特征选择。建议综合考虑不同的方法,进行多方面的特征选择,并根据具体情况和数据集进行选择。

    回答时间:2023-05-25 09:53:19