使用相关性和使用特征选择来选择重要的/高度相关的变量有什么区别？在研究特征选择时，我看到它使用包括皮尔逊相关性在内的统计测试。
作为一个大学项目的一部分，我们的团队希望在进行数据挖掘时确定重要的变量。一个合作伙伴用R Studio做了相关性分析，我用Sci-kit Learn做了递归
浏览 10提问于2017-12-07得票数 0
2回答
背景:目前，我正在从事我的论文项目，即建立基于树的集成方法，用于在一个大数据集上进行分类。在我开始建模之前，我花了大量的时间在特征选择上，使用基于相关性的标准来选择一个特征子集，这样这些选择的特征与响应变量有很高的相关性，并且彼此之间的相关性很低。然而，我的
浏览 0提问于2019-05-08得票数 9
1回答
高基数特征的方差分析
、、、
我有多个高基数分类特征和低基数特征。目标特征是数值特征。我可以用下面的代码知道低基数特征和目标变量之间的相关性print(F)
在这里，上面的特征</
浏览 13提问于2020-02-13得票数 1
回答已采纳
3回答
目前，我有数据集的数值以及非数值属性.我试图使用R编程语言删除dataset中的冗余特性。注意:不能将非数字属性转换为二进制属性。Caret R包提供了findCorrelation，它将分析可以删除的属性的数据属性报告的关联矩阵。但是，它只工作'x‘的数值。我一直无法找到用于非数字属性的包。如果没有，有什么方法/包可以帮助我实现同样的目标？
浏览 0提问于2019-11-12得票数 1
1回答
我正试图建立一个分类模型来预测纽约出租车出行的价格(2018年)。数据源页面
由于原始文件非常大(112 234 626行)，所以我构建了较小的示例文件(1000行)来进行第一次探索性分析。通过使用这个示例文件，我构建了热图图来显示数据集特征之间的相关性。发现模型的因变量(fare_amount)仅与trip_distance变量相关。其他独立变量之间没有明显的相关性</e
浏览 0提问于2019-06-04得票数 0
我有一个大的数据，并希望执行一些预测模型(如回归，决策树，..)但我有个问题。由于变量太多，是否有任何方法可以确定在模型中使用哪些变量作为预测变量来预测某个特定变量？任何帮助都将不胜感激。
浏览 0提问于2017-08-17得票数 2
2回答
我在理解KL-散度以及如何使用它进行特征选择时有点困难。因此，假设我有一组观察值(例如，0和1)，并为每个观察值生成2个特征。我现在的问题是:为什么特性是“最好的”？我的直觉告诉我，P是特征1，Q是真正的分布(所以是0和1的集合)，但我的理解也是，一个好的特征可以最大化KL散度。但是如果Q是类的实际分布，那么你想最小化它，对吗？
浏览 4提问于2016-06-04得票数 0
1回答
很少有关于分类数据的问题。需要建议/指示：cat和num特征之间的相关性如何？我们如何找到目标依赖于组合的分类特征，但可能不显示与个别特征的相关性的情况？
我们能否处理测试数据具有训练数据中不存在的<
浏览 0提问于2020-04-28得票数 0
目前，我正在做一些简单的特征选择，基于特征和方差在一个特征之间的相关性。在创建交叉验证之前，我将此应用于用于建模的整个数据集。我现在的问题是，这是否是可以接受的工作流程，或者是否会显著影响简历统计数据，从而提出一个比实际更好的模型？
技术上更好的做法是进行简历分割，然后在培训集上选择功能，以避免泄露信息？
浏览 0提问于2017-05-10得票数 1
我有一个数据集，其中一个特征显示了与目标变量的最小显着性关系；然而，在评估了特征重要性之后，它显示了与目标变量的最显著关系，如图像所示。在下面的图像中，名为"diff“的变量是目标，称为”小时“的变量是独立的特征。基于Pearson相关性的特征是否有可能表现出最小的显着性关系，而基于特征</e
浏览 3提问于2022-02-03得票数 0
我见过研究人员使用Pearson相关系数来找出相关特征--保留与目标相关值较高的特征。这意味着在分类问题中，相关特征为发现目标提供了更多的信息。然而，我们删除了一些冗余的特征，相关值可以忽略不计。( Q1)与目标变量高度相关的特性应该包括还是从分类问题中删除？对这一步有更好的解释吗？
Q2)当涉及多个变量时，我们如何知道数据集是线性的？数据集是线性的是什么意思？(
浏览 0提问于2019-11-21得票数 6
回答已采纳
1回答
两个矩阵之间的余弦相似度
、、、
我有两个256x256的数组，其中的信息有两个不同的单位(一个是米，另一个是度)当我用色彩映射表绘制它们时，图像看起来非常相似，但我知道它们里面的信息在大小和单位上都是完全不同的。因为图像看起来像，所以我想计算它们彼此相似程度的百分比。(我知道这样说有些含糊，但我愿意接受如何比较它们的想法)
到目前为止，我在两个矩阵之间使用了scikitlearn cosine_similarity函数，但我在理解结果矩阵的含义时遇
浏览 0提问于2020-07-08得票数 1
1回答
在python中，我有以下问题： 我只想在一个特征上打印多个特征的相关性<0.9 (这里：'Volume')：在这种情况下，示例指的是我的数据帧 代码： correlation=example.corrmy_features=pd.DataFrame(my_feature)
my_feature['Feature']=my_feature.index 因此，我现在有了一个dataFrame，它具有我的特征，即变量</
浏览 16提问于2020-01-29得票数 0
1回答
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。特征选择+聚类不是和降维算法一样吗？
浏览 4提问于2015-10-27得票数 0
2回答
相关特征和分类精度
、、、
我想问大家一个关于相关特征(变量)如何影响机器学习算法的分类精度的问题。对于相关特征，我指的是它们之间的相关性，而不是与目标类之间的相关性(即几何图形的周长和面积，或者教育水平和平均收入)。在我看来，相关特征对分类算法的准确性有负面影响，我想说的是，因为相关性使其中之一变得无用。真的是这样吗？问题会随着分类算法
浏览 2提问于2013-02-11得票数 38
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
