machine-learning - 机器学习: what if any one of feature have no correlation with label(target)?

标签 machine-learning deep-learning

如果我有一些数据并尝试通过基本的机器学习回归算法(线性回归SVM等)来学习这些数据。

但是,如果任何一个特征与目标(y 值)的相关性几乎为零,那么我应该使用神经网络而不是基本的机器学习?

(很抱歉,这不是与代码相关的问题,但不知道在哪里可以提出此类问题。谢谢)

最佳答案

相关性意味着特征和目标之间存在线性关系。如果这两者之间存在某种非线性关系,那么获得零相关性是可以的,但该特征仍然可以帮助模型。

关于machine-learning - 机器学习: what if any one of feature have no correlation with label(target)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45453342/

相关文章:

python - 关于不同python版本的安装

python - 对于 tensorflow 中的二进制分类,成本函数始终返回零

tensorflow - 如何从 tensorflow hub 设置 BERT 预处理层的 output_shape?

tensorflow - 在 Keras 中保存模型权重 : what is model weights?

python - easy_seq2seq中的train()方法什么时候停止?

mysql - 适合在 100 TB 数据上进行机器学习的数据库

machine-learning - sklearn SGDClassifier fit() 与partial_fit()

machine-learning - lightgbm python 数据集引用参数是什么意思?

java - Deeplearning4j 拆分数据集进行测试和训练

tensorflow - TypeError : Inputs to a layer should be tensors. 得到:<PrefetchDataset 形状: