请教机器学习的相关问题

[edwardlol]

分类问题在应用的时候大多还是通过特征预测标签这样的形势

图像识别也好，异常检测也好。

现在有这样一个场景，有特征有标签，并且通过算法能取得还可以的分类效果

但是目标不是通过特征预测标签，而是想要知道特征在什么情况下可以产生正样本

换句话说，特征是可以控制的变量，如果想要获得尽可能多的正样本，要怎么去控制这些特征？

[takato]

https://i.stack.imgur.com/UnKny.png

[swordspoet]

是不是可以从特征的重要性着手？比如对每个特征单独训练出一个分类器，然后根据预测正样本的个数来对特征的重要性排序。

[flyaway]

SVD、PCA 等方法可以试试，找出最重要的特征。

[edwardlol]

@swordspoet feature importance 已经有在做，目前的这个项目有五六百个特征，结果得出来每一个特征的重要性都不是特别高。可能随着项目推进对特征逐一进行清洗和筛选会有更好的结果。另外得到重要特征后依然有点迷茫，目前的想法是观察正负样本下重要特征的均值和标准差，希望他们的分布有些区别，但是好像没这么简单。

[alixali]

可以理解为找到正样本和负样本之间的特征差异吗？那就是只采用正样本去进行拟合，可以观察一下过拟合后的各个特征参数。

[neosfung]

Gan 了解一下？

[edwardlol]

@neosfung 呃，可能是我没表达清楚，我不是想自动生成更多正样本，而是通过控制特征来生成正样本
举个例子吧，假设现在在生产一种零件，生产过程中有温度、湿度、压力、角度四个特征，生产出来后有一个标准去评判零件是否合格
那么是否能够通过对模型进行分析，指导后续的生产，应该如何控制温度、湿度、压力、角度，来提高产品的合格率