machine-learning - 解释特征交互与特征相关

Question

我对机器学习范式中提到的术语感到困惑？任何人都可以在这里发表一些善意的回应吗？我会很感激你的。。

标签： machine-learninglinear-regressionfeature-extractionfeature-selection

Answer 1

特征相关

意味着某些特征 X1 和 X2 相互依赖，而与目标预测 Y 无关。换句话说，我们可以说如果我增加 X1 的值，那么 X2 也会增加或减少 例如：特征（高度（X1），重量(X2) 和预测变量 RunningSpeed (Y)。因此，如果我们增加身高，那么显然体重也会增加。

特征交互

另一方面，我们的模型根据独立特征 X1 和 X2 输出预测。换句话说，我们可以说如果仅选择 X1 将是我们的输出，或者如果仅选择 X2 将输出什么，或者如果选择X1 + X2 的组合将是什么预测。这种组合定义了特征之间的相互作用。这样的组合可以是(+,-,*,/)。例如：房屋大小（X1）、房屋位置（X2）和价格（预测 Y）。正如我们所见，X1 和 X2 彼此不相关，但它们都有助于预测房价。