我是使用R，特别是插入符号的实用机器学习的初学者。 我目前正在为微生物组数据集应用随机森林算法。这些值是相对丰度变换的，所以如果我的特征是列，则行1 == 1
的所有列的总和通常使单元格具有大量的0值。 通常我在插入符号中使用了默认的nzv预处理功能。
默认： 一个。整个数据集中的一个唯一值 湾相对于数据集中的样本数量的少数唯一值（<10％） C。最常见值的频率与第二最常见值的频率的大比率（使用的截止值> 19）
这个函数实际上是不是实际计算方差，而是根据频率确定特征的出现频率和滤波器？如果是这样，将其用于离散/分类变量是否安全？
我的数据集中有很多功能~12k，其中很多可能是单例，或者很多功能都没有值。
我的问题：nzv是否适合这种连续的零膨胀数据集？ 您会推荐哪些预处理选项？ 当我使用默认的nzv时，我会在决赛桌中放弃一大堆功能（从12k到~2,700 k）
我确实想要一个噪音较小的数据集，但同时又不想放松好的功能
这是我的第一个问题，如果需要，我愿意重新修改，编辑和重新提交。
任何解决方案将不胜感激。
非常感谢！