Я использую некоторые методы выбора объектов индивидуально, например, RFE OR Select K, для классификации с несколькими метками. Есть ли способ или метод, который можно использовать для выбора метода выбора объектов динамически? например, согласно статистике тестовых данных или некоторого основанного на правилах подхода?Как выбрать метод выбора объектов? По данным или некоторым правилам?
Это, вероятно, не тот ответ, который вы ищете, но вы можете попробовать каждый из них и перекрестите его с некоторыми тестовыми данными. Это должно быть довольно тривиально.
Я не знаю лучшего способа выбора алгоритма выбора функций, кроме этого, но он может смещать вас к тестовым данным, которые вы использовали.
Мое предположение о статистике объектов: максимальные расстояния между средними значениями между классами и минимальной дисперсией значений для одного класса классифицируют хорошую функцию.
Я начинаю с небольшого учебного набора, проверяю это предположение и увеличиваю набор обучения, если результаты выглядят многообещающими.
Последняя оптимизация - это гистограмма сравнения средств. Функции с подобными гистограммами удаляются. Это избыточные функции, которые уменьшают (по крайней мере, на SVM) точность значительную (5-10%).
При таком подходе я набираю 95% точности в своем наборе данных из 5 классов, 600 экземпляров. Обучение занимает < 1 час. Ручное обучение, используемое для получения 98% при многодневных экспериментах.
Я предполагаю, что ваш метод похож на PCA (Principal Component Analysis), я использовал его раньше для уменьшения функции. Да, я тестировал некоторые подходы к выбору функций и SVM, у них отличная производительность. – Kun
Я проверил каждый из них и сделал проверку на них. Да, это определенно зависит от данных, но как выбрать методы выбора объектов в соответствии с атрибутом данных или производительностью? У вас есть идея? Спасибо – Kun