7. 巨量資料下特徵選取(Feature Selection)的工作十分重要， 下列哪一項屬於封裝(Wrapper)方法？
(A) 多變量適應性雲形迴歸(Multivariate Adaptive Regression Splines, MARS)
(B) 遞迴特徵刪除(Recursive Feature Elimination, RFE)
(C) 決策樹(Decision tree)
(D) 最小絕對值縮減與屬性選擇運算子(Least Absolute Shrinkage and Selection Operator, LASSO)

答案：登入後查看
統計： A(3), B(14), C(1), D(5), E(0) #3323437

詳解 (共 1 筆)

#6329486

選項分析

(A) 多變量適應性雲形迴歸 (MARS) ❌

  • 屬於回歸分析方法，不是特徵選取技術。
  • 主要用於非線性回歸問題，不是封裝法 (Wrapper Method)。

(B) 遞迴特徵刪除 (RFE) ✅

  • 屬於封裝法，使用機器學習模型來評估每個特徵的重要性，然後逐步刪除不重要的特徵，直到找到最佳特徵子集。
  • 適用於：SVM、隨機森林、線性回歸等模型。

(C) 決策樹 (Decision Tree) ❌

  • 屬於嵌入法 (Embedded Method)，因為它內建特徵重要性評估，不需要額外的封裝程序。

(D) LASSO (Least Absolute Shrinkage and Selection Operator) ❌

  • 屬於嵌入法 (Embedded Method)，透過 L1 正則化 (L1 Regularization) 自動將權重小的特徵變成零，達到特徵選取效果。

結論

封裝法的代表方法是 RFE (Recursive Feature Elimination)，所以正確答案是 (B)！ ✅

0
0