Question

当你阅读机器学习文献的时候，会发现其他一些特征选择方法。其中一些甚至看起来并不像特征选择方法，因为它们是嵌在学习过程里面的（不要跟前面提到的封装器混淆）。例如决策树，它有一个深植于其内核的特征选择机制。其他学习方法则会采用一些正则化方法对模型复杂性进行惩罚，从而使学习过程朝着效果较好并且仍然“简单”的模型发展。它们是通过把效用不大的特征的重要性降低为0，然后把它们扔掉（L1正则化）进行特征选择的。

看吧！通常，机器学习方法的威力很大程度上要取决于植入它们的特征选择方法。