Howtosignalprocessing
- Wann sollten Sie eine Auswahl angeben?
- Sollte ich vor PCA ausgewählt werden?
- Die erste Feature -Auswahl oder Feature -Extraktion kommt?
- Wann sollten Sie übertreffen??
Wann sollten Sie eine Auswahl angeben?
Im maschinellen Lernprozess wird die Feature -Auswahl verwendet, um den Prozess genauer zu gestalten. Es erhöht auch die Vorhersageleistung der Algorithmen, indem die kritischsten Variablen ausgewählt und die redundanten und irrelevanten Elemente beseitigt werden. Aus diesem Grund ist die Feature -Auswahl wichtig.
Sollte ich vor PCA ausgewählt werden?
Normalerweise erfolgt ein Feature -Auswahlschritt nach dem PCA (mit einem Optimierungsparameter, der die Anzahl der Funktionen und die Skalierung vor PCA beschreibt. Abhängig vom Problem dies jedoch meine Änderung. Möglicherweise möchten Sie PCA nur auf eine Untergruppe von Funktionen anwenden. Einige Algorithmen erfordern nicht, dass die Daten normalisiert werden usw.
Die erste Feature -Auswahl oder Feature -Extraktion kommt?
Sie können die Feature -Extraktion auf die angegebenen Daten anwenden, um Funktionen zu extrahieren, und dann die Feature -Auswahl in Bezug auf die Zielvariable anwenden, um die Teilmenge auszuwählen, die bei der Erstellung eines guten Modells mit guten Ergebnissen helfen kann.
Wann sollten Sie übertreffen??
Wenn eine Datenklasse die unterrepräsentierte Minderheitenklasse in der Datenprobe ist, können über Stichprobentechniken diese Ergebnisse für eine ausgewogenere Menge positiver Ergebnisse im Training dupliziert. Überteuerung wird verwendet, wenn die gesammelte Datenmenge unzureichend ist.
