К содержанию
Quantoros

Чем отличаются filter, wrapper и embedded методы отбора признаков?

Classic MLУровень: БазаML concepts — Sebastian Raschka FAQ

Чем отличаются filter, wrapper и embedded методы отбора признаков?

Подсказки
  • Что означает близость в выбранном представлении и метрике?
  • Проверьте нормировку, точный и приближённый поиск, а также соответствие обучения поисковой задаче.

Ответ

Filter отбирает признаки по статистическим критериям независимо от конкретного финального обучения: дисперсия, корреляция, χ² или взаимная информация. Wrapper оценивает подмножества через качество обученной модели, например последовательный отбор, и обычно дороже. Embedded выполняет отбор внутри обучения: L1-регуляризация добавляет λ‖w‖₁ и может занулять коэффициенты, деревья выбирают признаки в разбиениях. PCA создаёт новые признаки и относится к извлечению, а не отбору. Все процедуры fit выполняют внутри обучающих фолдов.

Источник и лицензия: Sebastian Raschka — Python Machine Learning FAQ · MIT · перевод: Quantoros

Похожие вопросы