这称为特征排序，与特征选择密切相关。

• 特征排名=确定任何单个特征的重要性
• 特征选择 = 选择相关特征的子集用于模型构建。

因此，如果您能够对特征进行排名，则可以使用它来选择特征，并且如果您可以选择有用特征的子集，那么您至少可以通过删除无用的特征进行部分排名。

这个维基百科页面和这个Quora 帖子应该提供一些想法。过滤器方法与基于包装器的方法与嵌入式方法的区别是最常见的一种。

一种直接的近似方法是将特征重要性与树木的森林一起使用：

其他常用方式：

• 递归特征消除。
• 逐步回归（或LARS Lasso）。

如果您使用 scikit-learn，请查看module-sklearn.feature_selection。我猜Weka有一些类似的功能。