特征选择可以在特征变化之前，也可以在之后，本章是根据统计学模型、机器学习模型进行相关度排序,相关度差的进行删除（最终实现降维度）
特征选择需要重复做，需要模型去验证，最终获得能获得更好模型的数据
特征选择三个切入思路，第一个是过滤思想，原理：看特征属性与标注的相关性特征，如果相关性特别小，就去掉这里我们需要复习一张表
第二个是包裹思想，假设所有的特征属性在一个集合里，那么我们就是寻找最优的子集，这种思想比较常用的方法叫做RFE算法
RFE算法具体内容
第三种嵌入思想
