Gostaria de executar algum modelo de aprendizado de máquina como floresta aleatória, aumento de gradiente ou SVM no meu conjunto de dados. Existem mais de 200 variáveis preditivas no meu conjunto de dados e minhas classes de destino são uma variável binária.
Preciso executar a seleção de recursos antes do ajuste do modelo? Isso afeta significativamente o desempenho do modelo ou não há muita diferença se eu ajustar diretamente o modelo usando todas as variáveis preditoras?
Qual é o tamanho do seu conjunto de dados? Se você possui milhares de amostras e 200 variáveis preditoras, as chances são altas de que, com um modelo como o Random Forests, você já consiga atingir um desempenho bastante alto. A seleção adicional de recursos melhorará ainda mais seu desempenho.
—
Archie
@ Archie Sim, o tamanho do meu conjunto de dados é semelhante ao que você mencionou. 'Seleção de recurso adicional', você deseja realizar a seleção de recurso antes do ajuste do modelo e isso pode favorecer o desempenho do modelo?
—
LUSAQX 4/17/17
Quero dizer, eu primeiro experimentaria todos os recursos, o Random Forests seria um ótimo classificador para começar. Se você deseja aumentar o desempenho, eu observaria, por exemplo, as importâncias dos recursos para selecionar os recursos mais significativos.
—
Archie # 9
Está bem. Foi o que fiz até agora. Vou tentar alguns métodos de seleção de recursos antes do ajuste do modelo para ver se há alguma melhoria até então.
—
LUSAQX 4/17/17
Uma resposta curta da minha prática recente, a seleção de recursos é necessária para a comparação de modelos. Alguns algoritmos funcionariam melhor em algum conjunto de recursos, enquanto outros algoritmos em outro conjunto.
—
LUSAQX