VARIABLE SELECTION

Andere

Karel Crombecq

Volg

Laten we beginnen. Het is Gratis

of registreren met je e-mailadres

VARIABLE SELECTION Door Karel Crombecq Mind Map: VARIABLE SELECTION

1. variable ranking

1.1.1. variance-based methodes (hebben monte carlo integratie nodig = grid sample evaluatie)

1.1.1.1. Sobol sensitivity estimates

1.1.1.2. Fourier Amplitude Sensitivity Test (FAST)

1.2.1. train model in lagere dimensie(s), valideer in hogere met aparte testset (wrapper methode)

1.2.1.1. gebruik eenvoudiger model voor wrapper methode, train uiteindelijk met een ander

1.2.1.1.1. regression, gradient-guided feature selection (RGS)

1.2.1.2. k-nearest neighbour

1.2.2. maak gebruik van eigenschappen van model om variabelen te ranken (embedded methode)

1.2.2.1. SVM

1.2.2.2. Kriging

1.2.3. rank variables zonder model te trainen (filter methode)

1.2.3.1. Pearson correlation coëfficient (lineair)

1.2.3.2. information theory ranking (enkel discrete outputs, inputs moeten gediscretiseerd worden)

1.2.3.2.1. normalized information gain (geen interacties)

1.2.3.2.2. mutual information gain (interacties)

2.1.1. Principal Component Analysis (PCA)

2.1.2. Linear Discriminant Analysis (DCA)

2.2.1. Multidimensional Scaling (MDS)

2.2.2. Isomap

2.2.3. Kernel PCA

2.2.4. Diffusion Maps

2.2.5. Multilayer autoencoders (ANN)

of Registreren