Я хочу использовать метод выбора признаков, в котором для простой линейной регрессии рассматриваются «комбинации» функций или взаимодействия «между функциями».Множественный выбор функции SKlearn (scikit-learn) для регрессии
SelectKBest показывает только одну цель цели, по одному и оценивает их значениями Pearson's R. Хотя это быстро, но я боюсь, что он игнорирует некоторые важные взаимодействия между функциями.
Рекурсивная функция Устранение сначала использует ВСЕ мои функции, соответствует модели линейной регрессии, а затем выдает функцию с наименьшим коэффициентом абсолютного значения. Я не уверен, если это объясняет взаимодействие «между функциями» ... Я так не думаю, так как это просто выбивает наименьший коэффициент по одному, пока он не достигнет вашего определенного количества функций.
То, что я ищу, для тех, кто закалил ученых-спецификателей, там, где можно найти лучшее подмножество или комбинацию функций. Я прочитал всю документацию по выбору объектов и не могу найти метод, описывающий то, что я имею в виду.
Любые советы будут очень благодарны !!!!!!
Сначала вы должны увидеть графики ковариации дисперсии. Это даст вам ощущение парной корреляции между вашими функциями. – ketan