🔑 名詞卡
特徵選擇（Feature Selection）
🎯 定義
從所有可用的原始特徵中，篩選出一個最佳子集的過程，以降低資料維度，同時保留足以讓模型準確預測的關鍵資訊；此過程不創造新特徵，而是從既有特徵中「選擇」。
重點／應用
| 方法 | 原理 | 優點 | 限制 |
|---|---|---|---|
| Filter（過濾法） | 用統計量/相關係數獨立於模型篩選 | 速度快、不依賴模型 | 無法考慮特徵交互作用 |
| Wrapper（包裝法） | 用模型表現作標準（如 RFE） | 精確考量特徵互動 | 計算成本高，易過擬合 |
| Embedded（嵌入法） | 訓練過程中內建選擇機制（決策樹重要性、Lasso） | 建模同時完成選擇 | 需特定模型支援 |
記憶技巧
Filter 快但粗、Wrapper 準但貴、Embedded 邊建模邊選——三選一時考慮計算成本與模型依賴度。