在我处理的回归问题中，有五个独立列和一个因变量列。由于隐私原因，我无法直接分享数据集的细节，但其中一个独立变量是每个样本唯一的ID字段。我觉得在估计因变量时不应该使用ID字段，但这只是直觉，没有强有力的理由支持这种做法。我该怎么办？有什么方法可以决定使用哪些变量，忽略哪些变量吗？

回答：

嗯，我同意@***的观点。ID属性在创建模型时似乎并不相关，对预测也无帮助。

你要找的术语是特征选择。由于这是一个全面的部分，我只会告诉你数据科学家常用的方法。

对于回归问题，你可以尝试使用相关性热图来找出与目标变量高度相关的特征。

sns.heatmap(df.corr())

还有其他几种方法，比如PCA，使用树内置的特征选择方法来找到适合你模型的特征。

你也可以尝试***的方法。这种方法的局限性在于模型的时间复杂度会随着特征的增加而线性增加。但在你只有四个特征需要比较的情况下，你可以尝试一下。你可以通过递归地删除四个特征中的一个来比较使用所有四个特征训练的回归模型与仅使用三个特征训练的模型。这意味着你需要训练四个回归模型并进行比较。