引例：預(yù)測房子的價格，可能有兩個特征，frontage和depth。我真正關(guān)心的是房子的占地面積，這決定了我擁有的土地的大小，因此我們可以自己構(gòu)造一個特征，即frongtage*depth，表示房子的占地面積，用x表示。
與特征選擇密切相關(guān)的一個概念就是多項式回歸。對于一個房價預(yù)測問題，可能有不同的模型進行建模，如建立二次函數(shù)模型、三次函數(shù)模型等。如何將這些模型對應(yīng)到線性回歸模型中呢。
對于上圖，我們想用三次函數(shù)來擬合房價數(shù)據(jù)，則要進行參數(shù)的轉(zhuǎn)換，%5E2%20%3Bx_%7B3%7D%20%3D%EF%BC%88size)%5E3)
,這樣就轉(zhuǎn)換為一個多變量線性回歸模型。在此時，特征縮放就會變得很重要。? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?實際上特征的選擇有很多，你也可以不選擇三次模型，憑借數(shù)據(jù)特征和對不同函數(shù)圖像的了解程度，有不同的特征可供選擇。不過有很多算法可以自動根據(jù)數(shù)據(jù)選擇適合的特征。
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。
