Greedy 特徵選取（Naive 法）
一句話理解
每一步選當下最好的特徵，不回頭重來。兩種方向：增加或減少。
Naive（增加法）
{} → 加入最優單一特徵 A
{A} → 再加最優特徵 D → {A,D}
繼續直到無改善 → STOP
Naive（減少法）
{A,B,C,D,E} → 移除影響最小的特徵（ABDE=2，移 C）
繼續直到移除任何特徵都讓結果變差 → STOP
手肘法（Elbow Method）
「特徵數 vs 誤差」曲線的轉折點 → 再加特徵改善幅度小 → 選此數量。
缺點
Greedy 不保證全域最佳，只保證每步局部最佳。
相關
降維概論 / 遺傳演算法-GA（遺傳演算法-GA 做特徵選取更全域）/ PCA-vs-LDA