Написано в сотрудничестве с Анной Хаас, Аланной Бесоу , Джулией Тауссиг , Патриком Кавинсом и Уильямом Холдером Постановка задачи Итак, мы все слышали, что вы не всегда можете получить то, что хотите, и как бы ни было восхитительно восставать против чего-то, достоверность которого так мучительно доказана, наш полуосведомленный оптимизм требует, чтобы мы попытались, по крайней мере, начало должно было начаться. как-то. "Создайте наиболее эффективную модель на основе выборки..

Прогнозирование рецессии в США Глава - III: Уменьшение размерности: выбор и извлечение признаков. История до сих пор В первой части этого исследования я проанализировал, почему рецессии важны и как они влияют на доходность фондового рынка (S & P500). Во второй главе основное внимание уделяется доступному набору данных и его EDA. В целом результаты предварительного анализа довольно утешительны, но в результате процесса разработки функций у меня осталось огромное количество..

Важно выбрать лучшие функции для моделей машинного обучения. Удаление нерелевантных функций приводит к: Точность : более эффективная модель Интерпретируемость : проще для понимания. Скорость : модель может работать быстрее. Есть разные способы выбора функций, и это зависит от самих данных и результата, который мы хотим получить. Методы уменьшения размерности: Процент пропущенных значений Отбросьте переменные с высоким процентом пропущенных значений Потому что, если в..

Итак, как мы говорили в предыдущих статьях о библиотеке Kydavra, выбор функций - очень важная часть разработки модели машинного обучения. К сожалению, существует не только один уникальный способ получить идеальную модель, в основном из-за того, что данные почти всегда имеют разные формы, но это также подразумевает разные подходы. В этой статье я хотел бы поделиться способом выбора категориальных функций с помощью Kydavra ChiSquaredSelector, созданного Sigmoid. Использование..