返回信息流没懂你想要做什么？如果你是想要验证该特征的重要性，那么有该特征实验与无该特征实验做对比，就可以得出结论
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #17075同步于 2015/9/27
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
Re: 弱弱的问一个关于特征权重的问题。
LJ10211289
2015/9/27镜像同步8 回复
订阅后，新回复会通过你的通知中心匿名送达。
8 条回复
不是要验证特征的重要性。是说，如果我知道哪个特征更重要，我怎么在算法里让它占更大的比重呢？
【 在 LJ10211289 的大作中提到: 】
: 没懂你想要做什么？如果你是想要验证该特征的重要性，那么有该特征实验与无该特征实验做对比，就可以得出结论
我觉得分类器是有能力get到这个点的，训练出来的权重本身就是较大的[em4]。如果你对这个本来就较大的权重还不满意，那就继续增大它的值，那么此时的权值向量至少在训练集上已经不是最优值了。如果你确信这样会对它在测试集的效果有提升，那就手动继续增大吧
【 在 lzc6996 的大作中提到: 】
: 不是要验证特征的重要性。是说，如果我知道哪个特征更重要，我怎么在算法里让它占更大的比重呢？
【 在 LJ10211289 的大作中提到: 】
: 我觉得分类器是有能力get到这个点的，训练出来的权重本身就是较大的。如果你对这个本来就较大的权重还不满意，那就继续增大它的值，那么此时的权值向量至少在训练集上已经不是最优值了。如果你确信这样会对它在测试集的效果有提升，那就手动继续增大吧
我感觉他的意思是，特征值单位不同，有的数值特大有的太小。
嗯，有可能。但一般用线性模型之前都得做特征归一化处理，所以你说的情况可以事先避免；如果用得非线性模型就无所谓了
【 在 timruning 的大作中提到: 】
: 我感觉他的意思是，特征值单位不同，有的数值特大有的太小。