我们如何使用机器学习计算数据集中特征的重要性？哪种算法会更好，为什么？

回答：

有几种方法可以拟合模型到数据上，并根据拟合结果将特征从最相关到较不相关进行分类。如果你想了解更多，只需在谷歌搜索特征选择即可。

我不知道你在使用哪种编程语言，但这里有一个关于Python的链接：http://scikit-learn.org/stable/modules/feature_selection.html

你可以使用这个函数：

http://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.RFE.html#sklearn.feature_selection.RFE

这将根据分类器的拟合结果，从你的数据集中剔除较不重要的特征，你可以选择例如逻辑回归或支持向量机（SVM），并选择你希望保留的特征数量。

我认为最佳方法的选择取决于数据，因此需要更多信息。