特征选择或降维对机器学习模型有何好处？

How do feature selection or dimensionality reduction benefit ML models?

题目类型: 技术面试题

这是一道技术面试题，常见于澳洲IT公司面试中。

难度: medium

分类: Machine Learning

标签: Feature Selection, Dimensionality Reduction, PCA

参考答案摘要

答案 特征选择/降维可以减少噪声与冗余，提高泛化能力，降低过拟合风险，同时减少训练与推理成本。它还能提升模型可解释性，让关键因素更突出。常见方法：过滤法（相关性/卡方）、包裹法（RFE）、嵌入法（L1 正则），降维如 PCA、t-SNE/UMAP（更多用于可视化）。

本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案。