কীভাবে এসভিএম ব্যবহার করে ভেরিয়েবল (অ্যাট্রিবিউট) গুরুত্ব পাবেন?
কীভাবে এসভিএম ব্যবহার করে ভেরিয়েবল (অ্যাট্রিবিউট) গুরুত্ব পাবেন?
উত্তর:
আপনি যদি ওজন ভেক্টরটিতে l-1 পেনাল্টি ব্যবহার করেন তবে অপ্রাসঙ্গিক বৈশিষ্ট্যের সাথে সংশ্লিষ্ট ওজনগুলি স্বয়ংক্রিয়ভাবে শূন্যে সেট হয়ে যাওয়ার কারণে এটি স্বয়ংক্রিয় বৈশিষ্ট্য নির্বাচন করে। এই কাগজ দেখুন । প্রতিটি অ-শূন্য ওজনের পরিপূর্ণতা (পরম) তাত্পর্যপূর্ণ বৈশিষ্ট্যের গুরুত্ব সম্পর্কে ধারণা দিতে পারে।
এছাড়াও এই কাগজটি দেখুন যা বৈশিষ্ট্য নির্বাচনকে গাইড করার জন্য এসভিএমগুলি থেকে প্রাপ্ত মানদণ্ড ব্যবহার করে।
ইসাবেল গায়ন, আন্দ্রে এলিসিফ, "পরিবর্তনশীল এবং বৈশিষ্ট্য নির্বাচনের একটি ভূমিকা", জেএমএলআর, 3 (মার্চ): 1157-1182, 2003. http://jMLr.csail.mit.edu/papers/v3/guyon03a.html
এটি পড়া ভাল, এটি পদ্ধতির এবং সমস্যাগুলির একটি ভাল ওভারভিউ দেবে। একটি জিনিস আমি যুক্ত করব বৈশিষ্ট্য নির্বাচন অগত্যা ভবিষ্যদ্বাণীপূর্ণ কর্মক্ষমতা উন্নত করে না, এবং সহজেই এটি আরও খারাপ করে তুলতে পারে (বৈশিষ্ট্য নির্বাচনের মানদণ্ডের চেয়ে বেশি মানিয়ে নেওয়া সহজ)। (বিশেষত রৈখিক) এসভিএমগুলির অন্যতম সুবিধা হ'ল তারা প্রচুর সংখ্যক বৈশিষ্ট্য (আপনি নিয়মিতকরণের প্যারামিটারটি সঠিকভাবে টিউন করে) দিয়ে ভালভাবে কাজ করেন, তাই আপনার কেবলমাত্র ভবিষ্যদ্বাণীতে আগ্রহী হলে প্রায়শই প্রয়োজন হয় না।
আপনি যদি আর ব্যবহার করেন তবে ভেরিয়েবলের গুরুত্ব রিমাইনার প্যাকেজে ইম্পোর্ট্যান্স পদ্ধতিতে গণনা করা যেতে পারে। এটি আমার নমুনা কোড:
library(rminer)
M <- fit(y~., data=train, model="svm", kpar=list(sigma=0.10), C=2)
svm.imp <- Importance(M, data=train)
বিস্তারিতভাবে নীচের লিঙ্কটি দেখুন https://cran.r-project.org/web/packages/rminer/rminer.pdf