有没有办法惩罚一个特征,让它不会主导模型?(在索尔福德预测建模器中,有一个名为"变量惩罚"的设置)
情况是,我有一个分类特征,我想包含在模型中,但我不想作为最重要的特征,因为这样模型就无法正确捕获其他预测变量解释的方差。
我认为你不能那样做。虽然我真的不明白你为什么要这样做,但你可以尝试以下方法:在整个数据集上训练模型,删除此功能后在数据集上训练单独的模型。然后,组合两个模型的结果(可能是简单的平均或堆叠等)
有没有办法惩罚一个特征,让它不会主导模型?(在索尔福德预测建模器中,有一个名为"变量惩罚"的设置)
情况是,我有一个分类特征,我想包含在模型中,但我不想作为最重要的特征,因为这样模型就无法正确捕获其他预测变量解释的方差。
我认为你不能那样做。虽然我真的不明白你为什么要这样做,但你可以尝试以下方法:在整个数据集上训练模型,删除此功能后在数据集上训练单独的模型。然后,组合两个模型的结果(可能是简单的平均或堆叠等)
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium