Feature Selection

定义 Definition

Feature selection（特征选择）：在机器学习或统计建模中，从原始特征（变量）中挑选出对预测最有用的一部分，以提升模型性能、降低过拟合风险、减少计算成本，并增强可解释性。（该术语在不同语境下也可指具体的特征筛选方法与流程。）

例句 Examples

We used feature selection to remove irrelevant variables.
我们使用特征选择来移除无关变量。

In high-dimensional datasets, careful feature selection can improve generalization and make the model easier to interpret.
在高维数据集中，谨慎的特征选择可以提升泛化能力，并让模型更容易解释。

发音 Pronunciation (IPA)

/ˈfiːtʃər səˈlɛkʃən/

词源 Etymology

feature 源自古法语 feature / 拉丁语 factura（“制作、形态、构造”相关），在现代英语里常指“特征、特点”；selection 来自拉丁语 selectio（“挑选”）。合起来 feature selection 直译为“对特征进行挑选”，在数据科学语境中特指“选择对任务最有用的输入变量子集”。

相关词 Related Words

• Dimensionality Reduction
• Feature Engineering
• Regularization
• Overfitting
• Lasso
• Ridge Regression
• Cross-Validation
• Mutual Information

文学与经典著作 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——讨论变量选择、稀疏模型与相关思想（与 feature selection 紧密相关）。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在模式识别与模型构建章节中涉及特征与模型选择等内容。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）——以教学方式介绍模型选择、正则化方法（常用于特征选择）。
• Guyon & Elisseeff, “An Introduction to Variable and Feature Selection”——经典综述论文，系统讨论特征选择的动机与方法。