আমার প্রশ্নটি তিনগুণ
"কার্নেলাইজড" সমর্থন ভেক্টর মেশিনের প্রসঙ্গে
- পরিবর্তনশীল / বৈশিষ্ট্য নির্বাচন কি পছন্দসই - বিশেষত যেহেতু আমরা পরামিতি সি নিয়মিত করি অতিমাত্রায় আটকাতে প্রতিরোধ করতে এবং একটি এসভিএমের সাথে কার্নেলগুলি প্রবর্তনের পিছনের মূল উদ্দেশ্যটি সমস্যার মাত্রিকতা বৃদ্ধি করা, এমন ক্ষেত্রে পরামিতি হ্রাস দ্বারা মাত্রাগুলি হ্রাস করা বিপরীতমুখী বলে মনে হয়
- যদি প্রথম প্রশ্নের উত্তর "না" হয়, তবে, কোন অবস্থাতে উত্তরটি মনে রাখা উচিত তা কী পরিবর্তিত হবে?
- পাইথনের সাইকিট-লার্ন লাইব্রেরিতে এসভিএমগুলির জন্য বৈশিষ্ট্য হ্রাস আনার চেষ্টা করা হয়েছে এমন কোনও ভাল পদ্ধতি আছে - আমি সিলেক্টএফপিআর পদ্ধতিটি চেষ্টা করেছি এবং বিভিন্ন পদ্ধতির অভিজ্ঞতা সম্পন্ন লোকদের সন্ধান করছি।
1
আপনার প্রাথমিক বৈশিষ্ট্যগুলি সুপার উচ্চমানের সাথে শুরু না হওয়া অবধি বৈশিষ্ট্য নির্বাচন সর্বদা সহায়তা করে। স্ক্লেয়ারান বিভিন্ন বৈশিষ্ট্য নির্বাচন লাইব্রেরি সরবরাহ করে ( scikit-learn.org/stable/modules/feचर_selection.html ) আমি নিজেই আরএফই এর আংশিক।
—
ডেভিড
আপনি আপনার প্রসঙ্গটি উল্লেখ করেন নি - নোট করুন যে এটি যদি কোনও ব্যবসায়িক প্রসঙ্গে থাকে তবে মডেলটিতে থাকা প্রতিটি বৈশিষ্ট্যের কোনও স্তরে রক্ষণাবেক্ষণের প্রয়োজন হয় - আপনার আরও পরিবর্তনশীল থাকলে আক্ষরিক অর্থ ব্যয় জড়িত থাকে, এই অর্থে যে এর জন্য প্রয়োজন, উদাহরণস্বরূপ, আরও ডেটা সংগ্রহের প্রচেষ্টা, ডিবিএ সময় এবং প্রোগ্রামিং সময়। এই বিবেচনাটি স্পষ্টতই প্রযোজ্য না যদি এটি কোনও কাগল কমপ বা অনুরূপ, এবং ডেটাসেটে উপলভ্য 200 টি অতিরিক্ত বৈশিষ্ট্য ব্যবহার করে আপনি অর্থের মধ্যে রয়েছেন 0.01% বিকাশ।
—
রবার্ট ডি গ্রাফ