clementine上的特征选择

【转自】基于clementine的数据挖掘

clementine上的特征选择：

1. 从变量自身考察：重要的变量应该是携带信息较多，也就是变量值差异较大的变量【这个用统计上来表示，就是标准差、变异系数之类】so ,clementine的参考标准是

（1）数值型变量变异系数小于某阀值，则该变量视为不重要变量

（2）数值型变量标差小于某阀值，则该变量不重要

（3）分类型变量若某类别值的个数大于某阀值，则该变量不重要

（4）分类型变量若类别值的数量大于某阀值，则该变量不重要

2. 从输入变量和输出变量相关性角度考虑

就是计算 pearson相关系数，方差分析，卡方检验，分别对应2变量类型 为数值×类别

而重要性 不是相关系数的大小，而是相关系数的t检验的1-p值的大小，1-p的值越大，那么相关系数表示的相关性值越可靠，这个输入变量越重要；同理，方差分析，卡方检验，也是通过比较1-F值得到的p的值，越大表示该变量越重要