machine-learning - 机器学习中的大量特征不好(回归)？

Question

我正在对公寓特征进行线性回归分析，然后预测公寓的价格。目前，我已经收集了我所在城市 13000 套公寓的特征。我有 23-25 个特征，我不确定在公寓价格预测中拥有如此多的特征是否正常。

我有以下功能:
区、小区、住宅社区、建筑年份、房屋建筑 Material 、房间数量、层数、总面积、居住面积、状况、地板 Material 、浴室类型、阳台、门类型、固定电话、互联网连接类型、 parking 位可用性、家具可用性、天花板高度、安全性。

有这么多的回归特征正常吗？这些特征是否适合对公寓进行线性回归分析？由于冗余，减少特征数量并删除一些特征可能会更好吗？我的案例(公寓价格预测)中的大量特征是否有可能导致过度拟合？

Answer 1

您是如何找到这些功能的？您是否已经在数据集上运行了特征选择算法？我真的很怀疑。我不知道您已经执行了哪些步骤，但是在开始解决机器学习问题时，您首先必须对数据有一些直觉:

1. 查看制作直方图、相关图的数据...例如，面积和房间数量可能高度相关...

2. 如果你想进行线性回归，你必须确保与你的目标变量(即价格)的关系确实是线性的:可能需要使用原始特征的一些函数来获得线性关系

3. 一旦您对似乎有用的功能有了更好的了解，您就可以使用一些功能选择算法(例如，如果您使用的是 python，则在 sklearn 中打包的算法)