我正在使用Scikit对大量数据进行一些预测。数据很宽，但不是很长，因此我想对数据的各个部分设置权重。如果我知道数据的某些部分更重要，那么其他部分我应该如何告知SCikit，或者这是否打破了整个机器学习方法进行一些预教学。
最佳答案
这可能取决于您使用的机器学习算法-许多人将自己发现功能的重要性（通过随机森林中的feature_importances_属性进行详细说明）。
如果您使用的是基于距离的量度（例如k-means，knn），则可以通过相应地缩放每个特征的值来手动对特征进行加权（尽管scikit可能会进行一些归一化...）。
另外，如果您知道某些功能确实没有太多信息，则可以简单地消除它们，尽管您可能会丢失这些功能可能带来的诊断价值。 scikit中有一些用于feature selection的工具可能有助于做出这种判断。
关于python - Scikit学习可变偏差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/27436544/