通俗介绍包裹式选择、过滤式选择与嵌入式选择的异同

包裹式选择、过滤式选择和嵌入式选择是三种常见的特征选择方法，它们的主要区别在于特征选择的时机和方法。下面是它们的异同点：

1. 包裹式选择（Wrapper Method）：是将特征选择看作一个搜索问题，通过不断的尝试不同的特征子集来选择最优的特征子集。这种方法的优点是能够很好地利用特征之间的交互信息，但是计算量通常很大，不适用于大规模数据集。

2. 过滤式选择（Filter Method）：是通过对特征的某些统计量进行排序，选择排名靠前的特征子集。这种方法的优点是计算简单，适用于大规模数据集，但是可能会忽略特征之间的交互信息。

3. 嵌入式选择（Embedded Method）：是将特征选择嵌入到模型的训练过程中，通过优化模型的性能来选择最优的特征子集。这种方法的优点是能够很好地利用特征之间的交互信息，同时也能够避免过度拟合的问题，但是计算量通常较大。

总的来说，这三种方法在特征选择的目标、计算量和适用范围上都有所不同，需要根据具体的应用场景选择合适的方法。