Preguntas etiquetadas con feature-selection

Hay varias publicaciones sobre cómo seleccionar funciones. Uno de los métodos describe la importancia de la característica basada en estadísticas t. En R varImp(model)aplicado en modelo lineal con características estandarizadas, se utiliza el valor absoluto del estadístico t para cada parámetro del modelo. Entonces, básicamente elegimos una característica basada en …

12 regression  p-value  feature-selection 

Entonces entiendo que la selección de variables es parte de la selección del modelo. Pero, ¿en qué consiste exactamente la selección del modelo? ¿Es más que lo siguiente: 1) elige una distribución para tu modelo 2) elegir variables explicativas,? Pregunto esto porque estoy leyendo un artículo de Burnham & Anderson: …

12 feature-selection  model-selection  aic  bic 

Tengo un conjunto de datos que representa 1000 documentos y todas las palabras que aparecen en él. Entonces las filas representan los documentos y las columnas representan las palabras. Entonces, por ejemplo, el valor en la celda representa las veces que la palabra aparece en el documento . Ahora, tengo …

12 r  data-mining  feature-selection 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene importancia histórica. Actualmente no acepta nuevas respuestas o interacciones. Soy muy nuevo en R. Estoy aprendiendo machine learning en este momento. Lo siento mucho, si esta pregunta parece ser muy básica. Estoy …

12 r  feature-selection 

Estoy tratando de obtener una intuición de por qué aumentar el número de funciones podría reducir el rendimiento. Actualmente estoy usando un clasificador LDA que funciona mejor de manera bivariante entre ciertas funciones, pero peor al mirar más funciones. Mi precisión de clasificación se realiza utilizando un xval estratificado de …

12 classification  feature-selection 

Tengo datos con un número mínimo de características que no cambian, y algunas características adicionales que pueden cambiar y tener un gran impacto en el resultado. Mi conjunto de datos se ve así: Las características son A, B, C (siempre presente) y D, E, F, G, H (a veces presente) …

12 machine-learning  feature-selection 

Nota: esta pregunta es una nueva publicación, ya que mi pregunta anterior tuvo que ser eliminada por razones legales. Al comparar PROC MIXED de SAS con la función lmedel nlmepaquete en R, me topé con algunas diferencias bastante confusas. Más específicamente, los grados de libertad en las diferentes pruebas difieren …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 

El enfoque tradicional para la selección de variables es encontrar variables que contribuyan más a predecir una nueva respuesta. Recientemente me enteré de una alternativa a esto. En las variables de modelado que determinan el efecto de un tratamiento, como por ejemplo en un ensayo clínico de un producto farmacéutico, …

12 regression  feature-selection 

La ingeniería de características es a menudo un componente importante para el aprendizaje automático (se utilizó mucho para ganar la Copa KDD en 2010 ). Sin embargo, creo que la mayoría de las técnicas de ingeniería de características destruir cualquier significado intuitivo de las características subyacentes o son muy específicos …

12 predictive-models  feature-selection  feature-construction 

Tengo que reducir la cantidad de variables para realizar un análisis de conglomerados. Mis variables están fuertemente correlacionadas, así que pensé en hacer un análisis factorial PCA (análisis de componentes principales). Sin embargo, si uso las puntuaciones resultantes, mis grupos no son del todo correctos (en comparación con las clasificaciones …

12 clustering  pca  feature-selection  factor-analysis 

He programado una regresión logística usando el algoritmo IRLS . Me gustaría aplicar una penalización LASSO para seleccionar automáticamente las funciones correctas. En cada iteración, se resuelve lo siguiente: (XTWX)δβ^=XT(y−p)(XTWX)δβ^=XT(y−p)\mathbf{\left(X^TWX\right) \delta\hat\beta=X^T\left(y-p\right)} Sea λλ\lambda un número real no negativo. No estoy penalizando la intercepción como se sugiere en The Elements of. …

12 logistic  generalized-linear-model  feature-selection  lasso  convex 

En la detección comprimida, existe una garantía de teorema de que tiene una solución dispersa única c (consulte el apéndice para obtener más detalles).argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc ccc ¿Existe un teorema similar para el lazo? Si existe tal teorema, no …

12 regression  self-study  feature-selection  lasso  regularization 

Tengo datos con unos pocos miles de funciones y quiero hacer una selección de funciones recursivas (RFE) para eliminar las que no son informativas. Hago esto con caret y RFE. Sin embargo, comencé a pensar, si quiero obtener el mejor ajuste de regresión (bosque aleatorio, por ejemplo), ¿cuándo debo realizar …

12 regression  feature-selection  random-forest  caret 

En el aprendizaje por refuerzo, la aproximación de función lineal a menudo se usa cuando hay grandes espacios de estado. (Cuando las tablas de búsqueda se vuelven inviables). La forma del valor con aproximación de función lineal viene dada porQ -Q−Q- Q ( s , a ) = w1F1( s …

12 machine-learning  feature-selection  reinforcement-learning 

¿Los estimadores de Bayes son inmunes al sesgo de selección? La mayoría de los artículos que discuten la estimación en alta dimensión, por ejemplo, datos de secuencia del genoma completo, a menudo plantean el problema del sesgo de selección. El sesgo de selección surge del hecho de que, aunque tenemos …

11 bayesian  feature-selection  bias  unbiased-estimator  conjugate-prior