- ¿Cuándo deberías hacer la selección de características??
- ¿Debo hacer la selección de funciones antes de PCA??
- Que viene la primera selección de características o la extracción de características?
- ¿Cuándo deberías sobremuestrar??
¿Cuándo deberías hacer la selección de características??
En el proceso de aprendizaje automático, la selección de características se utiliza para hacer que el proceso sea más preciso. También aumenta el poder de predicción de los algoritmos seleccionando las variables más críticas y eliminando las redundantes e irrelevantes. Es por eso que la selección de características es importante.
¿Debo hacer la selección de funciones antes de PCA??
Por lo general, un paso de selección de características viene después del PCA (con un parámetro de optimización que describe el número de características y escala antes de PCA. Sin embargo, dependiendo del problema, este mi cambio. Es posible que desee aplicar PCA solo en un subconjunto de características. Algunos algoritmos no requieren que los datos se normalicen, etc.
Que viene la primera selección de características o la extracción de características?
Puede aplicar la extracción de funciones en los datos dados para extraer características y luego aplicar la selección de características con respecto a la variable de destino para seleccionar el subconjunto que puede ayudar a hacer un buen modelo con buenos resultados.
¿Cuándo deberías sobremuestrar??
Cuando una clase de datos es la clase minoritaria subrepresentada en la muestra de datos, sobre las técnicas de muestreo tal vez utilizadas para duplicar estos resultados para una cantidad más equilibrada de resultados positivos en la capacitación. El muestreo excesivo se utiliza cuando la cantidad de datos recopilados es insuficiente.