一种简单、棘手但可能是最好的方法是使用决策树。建立模型后，您可以分析树的结构以识别关系。之后，您可以列出特征重要性以查看自变量对因变量的影响。

在python中，可以使用sklearn来实现。feature_importances_会给你Gini的特征和plot_tree()功能的重要性，看看树的结构。本文也可能有助于了解如何做到这一点。

有多种方法可以做到这一点，其中一些是：-

1.) 使用L2 正则化来确定 5 个特征中哪些对预测目标的贡献更大。

2.) 使用基于树和基于梯度提升的模型来计算每个特征的特征重要性。这是一篇使用各种模型计算特征重要性的文章。

3.）使用 PCA 获得具有最大方差的特征（尽管我对此不确定）

4.) 使用mutual_info_classificationsklearns 库计算特征重要性。

除此之外，您可以使用基于过滤器、基于包装器的方法来获取 5 个特征的特征重要性。