如何进行特征选择？
根据特征选择的形式，可分为三大类：
- Filter(过滤法)：按照发散性或相关性对各个特征进行评分，设定阈值或者待选择特征的个数进行筛选
- 方差选择法
- 相关系数法
- 卡方检验
- 互信息法
- Wrapper(包装法)：根据目标函数（往往是预测效果评分），每次选择若干特征，或者排除若干特征
- 递归特征消除法
- Embedded(嵌入法)：先使用某些机器学习的模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征（类似于Filter，只不过系数是通过训练得来的）
- 基于惩罚项的特征选择法
- 基于树模型的特征选择法
