mrmr

收录理由

多数特征选择方法会把所有与目标变量沾边的特征都挑出来，结果留下一大堆列让你自己慢慢筛。mRMR 的思路正好相反：它只找那个仍然保留预测信息的最小特征子集，每选一个特征，都看它在其他特征之外还能贡献多少独有价值。这种“最小最优”的特性，对需要在训练前压缩宽表的团队特别实用——列数少了，内存占用低，运行更快，模型也更好解释。同一套选择逻辑，分类目标和数值目标各有一个函数，而且能跑在 Pandas、Polars、Spark 和 Google BigQuery 上，不管数据是本地 DataFrame 还是分布式数仓，用法完全一致。Uber 工程师在 2019 年发表的论文里就描述了如何把 mRMR 用在他们营销机器学习平台上。对于经常要在杂乱宽表上重建模型的数据科学家来说，这算是把原本手工完成的步骤自动化的一条直路。