Допомога другу

Ваш друг Алекс — дата-сайентіст, який працює над проєктом з машинного навчання. Він має труднощі з інженерією ознак і не певен, який підхід найкраще покращить продуктивність його моделі. Ви хочете порадити йому, як ефективно рухатися далі.

Ось чотири варіанти, які розглядає Алекс:

Використати якомога більше ознак: Алекс думає додати всі доступні ознаки з його набору даних, вважаючи, що більша кількість ознак дасть кращу продуктивність моделі.

Експериментувати з поєднанням інструментів відбору ознак: Алекс планує застосувати різні техніки відбору ознак, як-от уніваріантний відбір, Principal Component Analysis (PCA) — аналіз головних компонент, і Recursive Feature Elimination (RFE) — рекурсивне усунення ознак, щоб удосконалити набір ознак.

Проконсультуватися з доменним експертом: Алекс розглядає можливість звернутися до фахівця з предметної галузі, який підкаже, які ознаки є найрелевантнішими та найбільш впливовими для його задачі.

Створювати ознаки вручну за інтуїцією: Алекс думає про створення нових ознак, спираючись на власну інтуїцію щодо того, що може бути важливим, без системного підходу.