有监督特征选择为什么被淘汰

有监督特征选择被淘汰的原因有以下几点：

1. 过拟合问题：有监督特征选择是基于训练集进行特征选择的，如果训练集过小或者特征数量过多，就容易出现过拟合问题，导致选择的特征不具有泛化性能。

2. 特征相关性问题：有监督特征选择往往只能考虑单个特征与目标变量的关系，而忽略了特征之间的相关性。如果选择的特征之间存在较强的相关性，就可能出现冗余特征的情况。

3. 数据分布问题：有监督特征选择往往基于数据的分布情况来选择特征，但是如果数据分布不均匀或者存在噪声，就可能导致选择的特征不够准确。

综上所述，有监督特征选择虽然在某些场景下表现出良好的特征选择效果，但是由于存在上述问题，已经被逐渐淘汰。而基于深度学习的特征学习方法则能够更好地处理特征之间的相关性和数据分布问题，并且具有更好的泛化性能。