先划分数据集还是先做特征选择

特征选择也叫特征子集选择(FSS,FeatureSubsetSelection)。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。需要区分特征选择与特征提取。特征提取(Featureextraction)是指利用已有的特征计算出一个抽象程度更高的特征集，也指计算得到某个特征的算法。