如何定量比较两个或多个复杂数据集
如何定量比较两个或多个复杂数据集
提问于 2016-09-06 15:24:00
我有一系列数据集，它们由大约100个变量和一个相应的响应变量组成。我经常面临一个问题，就是试图将响应变量中的差异归因于大约100个变量。
我的问题是，通常很难比较两个或更多的数据集，并将响应变量归因于100个左右的变量，因为变量数量很大。
面对这样的问题，人们会做些什么？做这种工作的常见分析是什么？如果这个解决方案能向有非技术背景的人解释，那就更好了。
回答 2
Data Science用户
发布于 2021-01-06 14:35:07
一种选择是计算数据集之间的距离度量。
选择一个距离度量取决于数据的属性。如果数据是二进制的，则Hamming距离可以工作。如果数据是集合的，则Jaccard距离可以工作。其他数据类型需要其他的距离度量。
Data Science用户
发布于 2021-01-06 15:36:08
我要走两条路：
- 合并/连接所有数据集，并执行某种降维操作(例如，TSNE、PCA)。这可以帮助您可视化哪些数据集彼此相似。
- 你的作品似乎属于归因方法的类别，或者最近被称为“可解释的人工智能”。该字段试图找到每个特性/变量对目标变量的相对贡献。看看这本电子书，特别是第5章.书.有些方法可以计算变量属性，即使无法访问模型预测函数(即将特征映射到响应变量的函数)。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/13878
复制相关文章
相似问题
腾讯云开发者
