我想了想，但找不到合乎逻辑的解释。
数据准备就绪后，我主要遵循以下步骤：
- 相关性分析和消除
- 如果存在分类变量，则应用虚拟变量
- 如果数据不平衡，则平衡数据
- 规模数据
- 特征选择（向后、逐步等）
- 训练模型
我所遵循的这条路径将在哪里应用相关性分析会更有意义？数据平衡后？缩放后？还是一开始？
应该在哪个阶段进行相关性分析？
数据挖掘
特征选择
相关性
2022-02-28 18:14:35
1个回答
相关性是一种双变量特征分析技术。
通常，这是在单变量特征分析之后完成的。但在任何特征工程之前。
大多数机器学习都是迭代的，因此可以在任何阶段重新审视相关性。
其它你可能感兴趣的问题