EDA

您在那里所做的工作属于探索性数据分析 (EDA)。研究它们之间的特征以及如何在类之间分布的更好方法是相关图，有时称为对图。

相关图有助于

• 通过每对特征的散点图研究数字特征对之间的关​​系
• 使用对角线的直方图或密度图检查每个特征的分布。

您可以轻松地在 seaborn 中创建其中之一：

# library & dataset
import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('iris')

# Basic correlogram
sns.pairplot(df, kind="scatter")
sns.plt.show()

# Annotate classes with in different colours
sns.pairplot(df, kind="scatter", hue="species")

# Use regression instead of scatter
sns.pairplot(df, kind="reg", hue="species")

您可以看到类可能会或可能不会形成聚类，算法可能会通过组合和转换特征来绘制超平面。

你的问题

这是否意味着该功能对数据预测没有那么重要并且可以删除？

您发布的两个绘图之间的 y 轴最大值不同，因此很难公平地目视检查。

如果该数据集中有其他更容易分离的变量，人们可能会假设该模型可能无法与该特定特征“工作”。然而，考虑到 ML 算法如何转换特征空间以使类可分离，这​​种假设 (a) 可以被认为是幼稚的，因此 (b) 不构成放弃该特征的理由。

数据集中不太有用的功能仍然可以提高模型的性能。在特征空间大得无法忍受的情况下，您可以使用降维技术（PCA、内核 PCA、自动编码器）。

删除特征通常与这些特征与基本事实的相关程度有关，例如噪声，或者它们如何影响特征重要性和模型稳定性，例如多重共线性。

图片来自：https ://stackoverflow.com/questions/59212378/how-do-i-get-the-diagonal-of-sns-pairplot