KAPITEL 10
Dimensionalität durch Merkmalsauswahl reduzieren
10.0Einführung
Kapitel 9 hat sich damit beschäftigt, wie man die Dimensionalität der Merkmalsmatrix reduziert, indem man neue Merkmale erzeugt, die (im Idealfall) ähnliche Fähigkeiten besitzen, um Qualitätsmodelle mit deutlich weniger Dimensionen zu trainieren. Das ist die sogenannte Merkmalsextraktion. In diesem Kapitel geht es um einen alternativen Ansatz: hoch qualitative, informative Merkmale auswählen und weniger nützliche Merkmale fallen lassen. Dies wird als Merkmalsselektion bezeichnet.
Man unterscheidet drei Arten von Merkmalsselektionsmethoden: Filter, Wrapper und Embedded. Filtermethoden wählen die besten Merkmale aus, indem sie deren statistische Eigenschaften untersuchen. ...
Get Machine Learning Kochbuch now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
