নিউরাল নেটওয়ার্কের জন্য কীভাবে বৈশিষ্ট্যগুলি চয়ন করবেন?


16

আমি জানি যে এই প্রশ্নের কোনও সুস্পষ্ট উত্তর নেই, তবে ধরা যাক যে আমার কাছে প্রচুর ডেটা সহ একটি বিশাল নিউরাল নেটওয়ার্ক রয়েছে এবং আমি ইনপুটটিতে একটি নতুন বৈশিষ্ট্য যুক্ত করতে চাই। "সেরা" উপায়টি হ'ল নতুন বৈশিষ্ট্যটির সাথে নেটওয়ার্কটি পরীক্ষা করা এবং ফলাফলগুলি দেখা, তবে বৈশিষ্ট্যটি কি অনন্যভাবে সহায়তা করে তা পরীক্ষা করার কোনও পদ্ধতি আছে? পারস্পরিক সম্পর্ক ব্যবস্থা ( http://www3.nd.edu/~mclark19/learn/CorrelationCompistance.pdf ) ইত্যাদি?


1
একটি অ র্যান্ডম পারস্পরিক সম্পর্ক একটি সূচক যা ফিচার হতে পারে হয় দরকারী। তবে প্রাক-প্রশিক্ষণ পরীক্ষাগুলি সম্পর্কে আমি এতটা নিশ্চিত নই যা ধারণাগুলি কার্যকর করতে পারে। আপনার লিখিত কাগজটি এটি পরিষ্কার করে দেয় যে অ-রৈখিক পারস্পরিক সম্পর্কগুলি উপলব্ধ পরীক্ষাগুলি দ্বারা ভালভাবে সনাক্ত করা যায় নি, তবে একটি নিউরাল নেট সেগুলি সন্ধান এবং ব্যবহার করার সুযোগ রয়েছে।
নিল স্লেটার

উত্তর:


16

নতুন বৈশিষ্ট্য এবং একটি বিদ্যমান বৈশিষ্ট্যের মধ্যে একটি খুব দৃ corre় সম্পর্কের একটি মোটামুটি ভাল চিহ্ন যে নতুন বৈশিষ্ট্যটি সামান্য নতুন তথ্য সরবরাহ করে। নতুন বৈশিষ্ট্য এবং বিদ্যমান বৈশিষ্ট্যগুলির মধ্যে স্বল্প পারস্পরিক সম্পর্ক সম্ভবত পছন্দনীয়।

নতুন বৈশিষ্ট্য এবং পূর্বাভাসযুক্ত ভেরিয়েবলের মধ্যে একটি শক্তিশালী রৈখিক পারস্পরিক সম্পর্ক একটি ভাল লক্ষণ যা একটি নতুন বৈশিষ্ট্য মূল্যবান হবে, তবে উচ্চ সম্পর্কের অনুপস্থিতি একটি দরিদ্র বৈশিষ্ট্যের লক্ষণ নয়, কারণ নিউরাল নেটওয়ার্কগুলি লিনিয়ার সংমিশ্রণগুলিতে সীমাবদ্ধ নয় ভেরিয়েবলের।

নতুন বৈশিষ্ট্যটি যদি বিদ্যমান বৈশিষ্ট্যগুলির সংমিশ্রণ থেকে ম্যানুয়ালি নির্মিত হয়েছিল, তবে এটি ছেড়ে দেওয়ার কথা বিবেচনা করুন। নিউরাল নেটওয়ার্কগুলির সৌন্দর্য হ'ল সামান্য ফিচার ইঞ্জিনিয়ারিং এবং প্রিপ্রোসেসিং প্রয়োজন - বৈশিষ্ট্যগুলি মধ্যবর্তী স্তরগুলির পরিবর্তে শিখে নেওয়া হয়। যখনই সম্ভব, ইঞ্জিনিয়ারিংয়ের ক্ষেত্রে শেখার বৈশিষ্ট্যগুলি পছন্দ করুন।


আমি সর্বদা বৈশিষ্ট্যগুলির সাথে পূর্বাভাসের মানটির সাথে তুলনা করার চিন্তা করতাম, আপনি বৈশিষ্ট্যের মধ্যে পারস্পরিক সম্পর্কের কথা বলছেন। আপনার উত্তরটি আমার ক্ষেত্রেও প্রযোজ্য? তত্ত্ব অনুসারে আমার কেবল নতুন বৈশিষ্ট্য যুক্ত করা উচিত যা পূর্বাভাসের মানটির সাথে সম্পর্কিত?
মার্কোডেনা

এটিও একটি মূল্যবান মেট্রিক - ঠিক সেই উত্তরটির জন্য আমার উত্তরটি আপডেট করেছে।
ম্যাডিসন মে

সংক্ষেপে, পূর্বাভাস দেওয়ার মানের সাথে দৃ strong় সম্পর্কগুলি একটি দুর্দান্ত লক্ষণ, তবে ভবিষ্যদ্বাণী করার মানটির সাথে দুর্বল সম্পর্ক অবশ্যই খারাপ চিহ্ন নয়।
ম্যাডিসন মে

ধন্যবাদ। আমি একটি প্রতিবেদন লিখছি এবং বৈশিষ্ট্যগুলিকে ন্যায়সঙ্গত করতে (এমনকি ফলাফলের আগেও) আমি লিনিয়ার / অ-লিনিয়ার পারস্পরিক সম্পর্কগুলি দেখাতে চেয়েছিলাম। এটা কোন অর্থ আছে? আপনার উত্তর থেকে আমি পারস্পরিক সম্পর্কের একটি ম্যাট্রিক্স তৈরি করতে পারলাম তবে এটি নাক গলা
মার্কোডেনা

1
আমি অ-রৈখিক পারস্পরিক সম্পর্ক ব্যবহার করব, তবে ঠিক আছে ধন্যবাদ
মার্কোডেনা

0

আপনি যদি স্ক্লারইন ব্যবহার করে থাকেন তবে এখানে একটি ভাল ফাংশন পাওয়া যায় যা মডেল.ফাইচার_ইম্পোর্টেন্স_ বলে। আপনার মডেল / নতুন বৈশিষ্ট্যটি দিয়ে দেখুন এবং দেখুন কিনা এটি সাহায্য করে। উদাহরণস্বরূপ এখানে এবং এখানে দেখুন ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.