Selecția vs. extracția caracteristicilor

Reducerea dimensionalității în Python

Jeroen Boeye

Head of Machine Learning, Faktion

De ce reducem dimensionalitatea?

 

Setul de date va:
  • fi mai puțin complex
  • necesita mai puțin spațiu pe disc
  • necesita mai puțin timp de calcul
  • reduce riscul de supraajustare a modelului
Reducerea dimensionalității în Python

Selecția caracteristicilor

venit vârstă culoare preferată

Reducerea dimensionalității în Python

Selecția caracteristicilor

caracteristică eliminată

insurance_df.drop('favorite color', axis=1)
Reducerea dimensionalității în Python

Construirea unui pairplot pe datele ANSUR

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

pairplot corp

Reducerea dimensionalității în Python

Construirea unui pairplot pe datele ANSUR

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

pairplot corp adnotat

Reducerea dimensionalității în Python

Construirea unui pairplot pe datele ANSUR

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

pairplot constant

Reducerea dimensionalității în Python

Selecția caracteristicilor

Schema selecției caracteristicilor

Reducerea dimensionalității în Python

Selecția caracteristicilor

Schema selecției caracteristicilor

Extracția caracteristicilor

Schema extracției caracteristicilor

Reducerea dimensionalității în Python

Extracția caracteristicilor - Exemplu

pairplot 4 vs. 4

Reducerea dimensionalității în Python

Extracția caracteristicilor - Exemplu

pairplot transformare PCA

Reducerea dimensionalității în Python

Să exersăm!

Reducerea dimensionalității în Python

Preparing Video For Download...