摘要： 还在为特征选择抓狂？这个工具了解一下！

特征选择，即在数据集中查找和选择最有用的特征的过程，是机器学习的关键步骤。不必要的特征会降低训练速度、模型的可解释性，最重要的是会降低测试集的泛化性能。

Python中的lambda提供了对匿名函数的支持。使用lambda，我们可以实现函数编程，即将函数作为参数传递给其他函数。在Python中，lambda的作用可以从多个例子来理解：

1， 用在过滤函数中，指定过滤列表元素的条件：
filter(lambda x: x % 3 == 0, [1, 2, 3, 4, 5, 6, 7, 8, 9])
> [3, 6, 9]

2， 用在排序函数中，指定对列表中所有元素进行排序的准则：
sorted([1, 2, 3, 4, 5, 6, 7, 8, 9], key=lambda x: abs(5-x))
> [5, 4, 6, 3, 7, 2, 8, 1, 9]