特徵選擇可以在特徵變化之前，也可以在之後，本章是根據統計學模型、機器學習模型進行相關度排序,相關度差的進行刪除（最終實現降維度）
特徵選擇需要重複做，需要模型去驗證，最終獲得能獲得更好模型的數據
特徵選擇三個切入思路，第一個是過濾思想，原理：看特徵屬性與標註的相關性特徵，如果相關性特別小，就去掉這裏我們需要複習一張表
第二個是包裹思想，假設所有的特徵屬性在一個集合裏，那麼我們就是尋找最優的子集，這種思想比較常用的方法叫做RFE算法
RFE算法具體內容
第三種嵌入思想
