2019-02-20老师，你好。关于使用卡方检验来进行特征选择，能否在答疑课的时候，给个具体例子讲解下？作者回复: 你好，你说的具体例子，是指通过实际的数据或代码来分析一下？
3
2019-07-11一说自己会概率，上帝就发笑 ... 1
2019-02-20老师您用的什么画图软件，看起来画图很漂亮；我在网上找了好久找不到作者回复: 你是指这一节专栏吗？好像这期没有画什么图啊😆
1
2019-12-27黄老师，关于使用卡方检验做特征选择，按照文中的讲法，实际上是检测的某个特征 fi 和 某个类 cj 的相关性，但是我们面对的实际情况是有 m 个特征，n 个类，那么：
1，是不是代表要做 m×n 次计算？
2，即便计算结果表明 fi 和 cj 类相关性很高，也有可能 fi 和 ck类 相关性很低，那这个结果对是否选取 fi 作为整体n个类的特征有什么指导意义呢？作者回复: 1. 是的，要做mxn次比较
2. 我的理解特征选择，可以按照整体也可以按照分类。如果是整体，可以定义简单的按权加和- 2019-09-12本文先引入了条件熵，条件熵只反映了特征和全局数据的相关性，并没有考虑不在条件分类下的情况。例如癌症筛查，只给没有癌症标签的分类器，全局准确度很高，因为患癌毕竟是小概率事件。为了解决这个问题，引入了条件分类下的信息增益。这种情况下，只给没有癌症的分类器就现形了，信息增益为零。
和条件分类下的信息增益类似，卡方检验用联合概率来简化计算，目的还是计算相关性。我感觉卡方检验和相关系数非常类似，请问老师为什么不直接用相关系数检验相关性，卡方检验相对于相关系数有什么好处？作者回复: 原理是类似的，但是假设和具体实现有所不同，个人觉得可以在实验中都尝试一下看看效果
2019-08-20老师，在计算信息增益的公式中，P(cj|Dfi)和P(cj|Dfi)【带横杠】中的cj的含义应该是不同的吧？前者是出现fi特征的数据集合中第j个分类，后者是未出现fi特征的数据集合中第j个数据的分类。作者回复: 对的
2019-03-21老师好，想问个问题，一定要做特征选择么，能说说特征选择的必要性么。如果把所有特征都扔到模型会有什么副作用作者回复: 这是个好问题，通常要结合具体的案例和数据来看。如果特征数量很少的时候，一般不需要。如果特征太多，而样本不是很多的时候，容易过拟合，而且使用全部的特征效率也比较差，这个时候特征选择就有意义了
2019-03-10老师，您好，感觉最近几节课您讲了很多概念，很多公式，可是运用上的实例似乎有点少，第一遍看懂了，可是过两天估计就忘记了，能否提供一下代码？这样可以自己动手操作一遍，非常感谢作者回复: 我在专栏结束后整理一下，供大家参考
2019-03-06为什么不少地方卡方的计算公式=sum((A-T)^2/T) 的区别是什么（备注：A是实际值，T是理论值），其区别是什么作者回复: 你说的应该是卡方检验，两者概念有所不同。