কি কি পরিবর্তনশীল / বৈশিষ্ট্য নির্বাচন যে আপনার পছন্দ করা লার্নিং সেটে পর্যবেক্ষণ চেয়ে আছে যখন আরো অনেক ভেরিয়েবল বাইনারি শ্রেণীবিভাগ জন্য / বৈশিষ্ট্য? এখানে উদ্দেশ্যটি হল বৈশিষ্ট্য নির্বাচন পদ্ধতি যা সর্বোত্তম শ্রেণিবিন্যাস ত্রুটি হ্রাস করে তা নিয়ে আলোচনা করা।
আমরা পারি স্বরলিপি ঠিক করুন: দৃঢ়তা জন্য যাক গ্রুপ থেকে হতে পর্যবেক্ষণ শেখার সেট । সুতরাং হল লার্নিং সেটের আকার। আমরা বৈশিষ্ট্য সংখ্যা (যেমন বৈশিষ্ট্য স্পেস এর মাত্রা) হতে সেট। কে of এর -th স্থানাঙ্ক বোঝাতে দিন ।{ x i 1 , … , x i n i } i n 0 + n 1 = n p x [ i ] i x ∈ R p
আপনি বিশদটি দিতে না পারলে সম্পূর্ণ রেফারেন্স দিন।
সম্পাদনা (ধারাবাহিকভাবে আপডেট): নীচের উত্তরগুলিতে প্রস্তাবিত পদ্ধতিগুলি
- লোভী ফরোয়ার্ড নির্বাচন বাইনারি শ্রেণিবদ্ধকরণের জন্য পরিবর্তনশীল নির্বাচন পদ্ধতি
- পশ্চাদপদ নির্মূল বাইনারি শ্রেণিবদ্ধকরণের জন্য পরিবর্তনশীল নির্বাচন পদ্ধতি
- বাইনারি শ্রেণিবদ্ধকরণের জন্য মেট্রোপলিস স্ক্যানিং / এমসিএমসি পরিবর্তনশীল নির্বাচন পদ্ধতি
- বাইনারি শ্রেণিবদ্ধকরণের জন্য দণ্ডিত লজিস্টিক রিগ্রেশন পরিবর্তনীয় নির্বাচন পদ্ধতি
এটি সম্প্রদায় উইকি হিসাবে আরও আলোচনা এবং আপডেট হতে পারে
আমার একটি মন্তব্য আছে: একটি নির্দিষ্ট অর্থে, আপনারা সবাই এমন একটি পদ্ধতি দেন যা ভেরিয়েবলের অর্ডারের অনুমতি দেয় তবে পরিবর্তনশীল নির্বাচন নয় (বৈশিষ্ট্যের সংখ্যাটি কীভাবে নির্বাচন করা যায় সে সম্পর্কে আপনি যথেষ্ট উদ্বেগজনক, আমি অনুমান করি যে আপনি সমস্ত ক্রস বৈধতা ব্যবহার করছেন?) আপনি কি উন্নতি করতে পারবেন? এই দিক থেকে উত্তর? (এটি কমিউনিটি উইকি হিসাবে আপনার কীভাবে ভেরিয়েবলের সংখ্যা নির্বাচন করবেন সে সম্পর্কে একটি তথ্য যুক্ত করার জন্য উত্তর লিটারের প্রয়োজন হবে না? আমি এই দিকটিতে এখানে একটি প্রশ্ন খুলেছি খুব উচ্চ মাত্রায় ক্রস বৈধকরণের সংখ্যা নির্বাচন করতে) খুব উচ্চ মাত্রিক শ্রেণিবিন্যাসে ব্যবহৃত ভেরিয়েবল) )