Subset Selection

白话解释:https://www.geeksforgeeks.org/feature-subset-selection-process/

貌似有一种比较常见的方法,称为多元逐步回归有3种筛选自变量的方法

(1)向前法:n个因变量情况,慢慢增加因变量到方程中,计算各个因变量对y的影响,若无影响则删除,迭代执行。

(2)向后法:和前向法相反,也即是说一开始把所有因变量加到方程里慢慢删。

(3)逐步法(本次分享):逐步法结合向前法和向后法的优点,在向前引入每一个新自变量之后都要重新对已代入的自变量进行计算,以检验其有无继续保留在方程中的价值,并以此为依据进行自变量的引入和剔除交替进行,直到没有新的变量可以引入或剔除为止,此法较为准确。

相关推荐
玩转单片机与嵌入式4 小时前
深入浅出TinyML 24:剪枝、聚类、蒸馏和算子替换是否真正适合MCU?
人工智能·stm32·机器学习·tinyml
月华路4 小时前
《模型不玄学》第16章 概率校准
人工智能·深度学习·机器学习
IT毕设实战小研4 小时前
基于大数据的白鹿的抖音评论分析与可视化
大数据·机器学习·信息可视化·数据分析·毕业设计·旅游
2601_9620779820 小时前
利用Python,四步掌握机器学习
python·机器学习·数据挖掘·数据分析·编程
小雨笙笙20 小时前
机器学习:线性回归学习
学习·机器学习·线性回归
天远Date Lab21 小时前
零信任架构实战:基于天远车信盟出险构建自动化汽车消费贷合规网关
人工智能·机器学习·计算机视觉·ocr
阳明山水1 天前
销量预测2025—2026:从模型竞赛到系统融合的范式转型
人工智能·深度学习·算法·机器学习·架构
gzkuijing1 天前
MDI1PRD23B7‑EQ|Novanta IMS一体化RS-485/422步进电机参数、选型要点与典型应用
人工智能·机器学习·编辑器
147API1 天前
蒸馏项目什么时候该停,怎样切换到RAG、微调或模型路由
人工智能·深度学习·机器学习·数据挖掘
茗鹤APS和MES1 天前
工业排产:AI可赋能,APS不可替代
人工智能·深度学习·机器学习