如果有上千predictors怎么处理

面试被问到这个问题，如果有个predictive model, 里面有上千的predictors，怎么做feature engineering？ 怎么选择features？ 我答的regularization, 但是被告知不对

关于feature selection，是否可以多考虑几种方法，比如下面这篇文提到的filter and wrapper methods。不确定为什么regularization算完全不对。欢迎讨论。
https://machinelearningmastery.c ... -feature-selection/

定一个loss function/performance metric 自己写heuristic algorithms找准最优组合

oralur 发表于 2019-7-3 00:41
定一个loss function/performance metric 自己写heuristic algorithms找准最优组合

好像这个是有规定时间写出来的 (<1~2 hour? )，临时写算法可能来不及了，应该有更好的方法

model reduction? 用PCA, ISOMAP, T-sne降维度

然后对于特殊问题有特殊解法，比如one hot encoded的zip code，可以转化成经度纬度；one hot encoded的特殊代码（操作方法，描述代码），可以用entity embedding如word2vec之类的

dimension deduction吗... 然后用latent factor？