我对机器学习范式中提到的术语感到困惑？有人可以在这里做出一些善意的回应吗？我将感激你..
最佳答案
特征相关性
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(人的高度(X1)、体重(X2)和人的预测变量运行速度(Y))。因此，如果我们增加高度，那么显然体重也会增加。
功能交互
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，我们的输出是什么；如果仅选择 X2，我们的输出是什么；如果选择 X1 + X2 的组合，预测将会是什么。这种组合定义了特征之间的交互。这样的组合可以是(+、-、、/)。 例如:房屋面积 (X1)、房屋位置 (X2) 和价格(预测 Y)。我们可以看到 X1 和 X2 彼此不相关，但它们都有助于房价的预测。
关于machine-learning - 解释特征交互与特征相关性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58782862/