Сосредоточение на информативных признаках в машинном обучении важно по следующим причинам:

• Повышение точности решения. 3 Как правило, исходная выборка всегда содержит много «мусорных данных»: шумов, выбросов, а на реальный результат влияют лишь несколько предикторов. 3
• Ускорение вычислений. 34 Чем меньше переменных, тем быстрее будут идти расчёты. 3
• Уменьшение переобучения. 4 Некоторые модели машинного обучения чувствительны к величине входного вектора, и большое число входных данных может привести к переобучению. 3
• Улучшение понимания моделей. 4 Выбор информативных признаков позволяет лучше понимать, как устроены данные и как на них влияют различные факторы. 24