特征相关性矩阵，实验的基础
结论1：对于lgb，特征相关性越高，损失肯定越低
结论2：对于lgb，特征相关性正负作用是相同的，相关性=+0.76和相关性= -0.76完全相同
结论三：看红色文字，lgb有能力发现非线性特征的作用
结论四：x6和y的相关性最高，x2最低。但x2和x6的相关性是最低的，起到一定互补作用。在添加了x6的同时，如果额外添加一个特征的话，选x2反而更佳
结论五：将相关性最高和最低的同类型特征加入后，是否加入中间特征几乎不影响结果，即使将中间特征全部加入后，也能达到最佳结果
筛选特征实操总结：
1 要交叉验证，结果才靠谱，才能说明结论正确
2 打印出corr矩阵
3 排序每个特征和y的相关性，给个阈值，低于阈值且和其它任何特征相关性都低的特征可视为噪音，可删除，其它全部保留
标签：结论,方法论,lightgbm,特征,lgb,相关性,x2,筛选,x6 From： https://www.cnblogs.com/chentianyu/p/18125648