Eu tenho três recursos que eu uso para resolver um problema de classificação. Originalmente, esses recursos produziam valores booleanos, para que eu pudesse avaliar sua redundância observando o quanto os conjuntos de classificações positivas e negativas se sobrepõem. Agora, ampliei os recursos para...
Uma pergunta para iniciantes aqui. Atualmente, estou realizando uma regressão não paramétrica usando o pacote np em R. Eu tenho 7 recursos e, usando uma abordagem de força bruta, identifiquei os melhores 3. Mas, em breve, terei muitos mais do que 7 recursos! Minha pergunta é quais são os melhores...
Estou usando o SVM para prever diabetes. Estou usando o conjunto de dados BRFSS para esse fim. O conjunto de dados tem as dimensões de e está inclinado. A porcentagem de s na variável de destino é de 11 %, enquanto os s constituem os 89 % restantes .432607 × 136432607×136432607 \times 136Y11...
Eu tenho um conjunto de dados com cerca de 70 variáveis que eu gostaria de reduzir. O que estou procurando fazer é usar o CV para encontrar as variáveis mais úteis da seguinte maneira. 1) Selecione aleatoriamente digamos 20 variáveis. 2) Use stepwise/ LASSO/ lars/ etc para escolher as...
Eu tenho acesso a um conjunto de dados muito grande. Os dados são de gravações do MEG de pessoas ouvindo trechos musicais, de um dos quatro gêneros. Os dados são os seguintes: 6 Sujeitos 3 Repetições experimentais (épocas) 120 tentativas por época 8 segundos de dados por tentativa a 500Hz (= 4000...
Estou tentando aplicar a idéia de informações mútuas à seleção de recursos, conforme descrito nestas notas de aula (na página 5). Minha plataforma é Matlab. Um problema que encontro ao calcular informações mútuas a partir de dados empíricos é que o número é sempre tendencioso para cima. Encontrei...
Estou me perguntando se é uma boa idéia remover essas variáveis com um valor de importância variável negativo ("% IncMSE") em um contexto de regressão. E se me der uma previsão melhor? O que você
Estou procurando uma resposta intuitiva por que um modelo GLM LASSO seleciona um preditor específico de um grupo de modelos altamente correlacionados e por que o faz de maneira diferente da melhor seleção de recurso de subconjunto. A partir da geometria do LASSO mostrada na Figura 2 em Tibshirani...
A seleção de recursos deve ser realizada apenas nos dados de treinamento (ou todos os dados)? Passei por algumas discussões e artigos como Guyon (2003) e Singhi e Liu (2006) , mas ainda não tenho certeza sobre a resposta certa. Minha configuração da experiência é a seguinte: Conjunto de dados:...
Em muitos algoritmos de aprendizado de máquina, dimensionamento recurso (aka variável de escala, normalização) é um comum prepocessing passo Wikipedia - função Dimensionamento - esta questão estava perto Pergunta # 41704 - Como e por que a normalização e operação de referência de escala? Eu tenho...
Eu tenho oito variáveis independentes e uma dependente. Eu corri uma matriz de correlação, e 5 deles têm uma baixa correlação com o DV. Em seguida, executei uma regressão múltipla passo a passo para ver se algum / todos os IVs podem prever o DV. A regressão mostrou que apenas dois IVs podem...
Contexto: estou desenvolvendo um sistema que analisa dados clínicos para filtrar dados implausíveis que podem ser erros de digitação. O que eu fiz até agora: Para quantificar a plausibilidade, minha tentativa até agora foi normalizar os dados e, em seguida, calcular um valor de plausibilidade...
Aqui está o meu código para o método de seleção de recursos em Python: from sklearn.svm import LinearSVC from sklearn.datasets import load_iris iris = load_iris() X, y = iris.data, iris.target X.shape (150, 4) X_new = LinearSVC(C=0.01, penalty="l1", dual=False).fit_transform(X,...
Eu usei regressão logística. Eu tenho seis recursos, quero conhecer os recursos importantes neste classificador que influenciam o resultado mais do que outros recursos. Usei o Information Gain, mas parece que ele não depende do classificador usado. Existe algum método para classificar os recursos...
Tudo está no título, faz sentido usar a seleção de recursos antes de usar a floresta
Na minha aula de aprendizado de máquina, aprendemos sobre como a regressão LASSO é muito boa para executar a seleção de recursos, uma vez que faz uso da regularização .l1l1l_1 Minha pergunta: as pessoas normalmente usam o modelo LASSO apenas para fazer a seleção de recursos (e depois despejam...
É possível usar a análise de componentes principais do kernel (kPCA) para Indexação Semântica Latente (LSI) da mesma maneira que o PCA é usado? Realizo o LSI em R usando a prcompfunção PCA e extraio os recursos com cargas mais altas dos primeiros componentes. Com isso, recebo os recursos que...
Em um artigo que estava lendo recentemente, me deparei com o seguinte bit na seção de análise de dados: A tabela de dados foi então dividida em tecidos e linhas celulares, e as duas subtabelas foram polidas separadamente por mediana (as linhas e colunas foram ajustadas iterativamente para ter...
Meu conjunto de dados é composto pela mortalidade total ou pela sobrevivência de um organismo em três tipos de locais, costeiros, canais intermediários e offshore. Os números na tabela abaixo representam o número de sites. 100% Mortality 100% Survival Inshore 30 31 Midchannel 10 20 Offshore 1...
Nos elementos do aprendizado estatístico , encontrei a seguinte declaração: Há uma qualificação: as etapas iniciais de triagem não supervisionada podem ser feitas antes que as amostras sejam deixadas de fora. Por exemplo, podemos selecionar os 1000 preditores com maior variação em todas as 50...