Diskussion:Feature Subset Selection
Weitere Informationen zu Subset Selection gibt es auch im folgenden Video:
Die Quellenangabe soll diesem Bibtex Eintrag entsprechen.
Ich weiß allerdings nicht, ob er so Wiki-komform notiert ist
Ich habe leider Prüfungsstress...
- Michael
Filters vs. wrappers[Quelltext bearbeiten]
Die Darstellung zu Filter- und Wrapper-Methoden ist nicht korrekt.
Filter scoren nicht notwendigerweise nur einzelne Features, um dann die besten auszuwählen. Filter-Ansätze können durchaus auch komplette Feature Subsets scoren. Der kritische Unterschied zwischen Filter- und Wrapper-Ansätzen ist vielmehr, dass Wrapper immer genau denjenigen Classifier verwenden, der später mit den ausgewählten Features im äußeren Cross-validation fold verwendet wird. Filter-Methoden hingegen können jedes beliebige Kriterium wählen, um einen Satz von Features zu scoren. Dies kann der gleiche Classifier sein wie bei Wrapper-Methoden, ist aber typischerweise eher ein effizienterer Algorithmus (z.B. ein linearer statt eines nichtlinearen Classifiers).
Referenzen
Guyon, I., & Elisseeff, A. (2003). An introduction to variable and feature selection. J. Mach. Learn. Res., 3, 1157-1182.
Kohavi, R., & John, G. H. (1997). Wrappers for feature subset selection. Artificial Intelligence, 97(1-2), 273-324. doi: 10.1016/S0004-3702(97)00043-X.
- Mich stört auch die Behauptung, dass Wrapper immer alle Subsets ausprobieren. Das stimmt doch nur bei der Exhaustive Search (Vollständigen Suche) die als Wrapper Methode ausgeführt werden kann, oder ? Sind Forward und Backward Elimination nicht bereits Heuristiken, welche eine komplette Suche umgehen um Laufzeit zu sparen ? --193.29.115.20 11:07, 20. Okt. 2021 (CEST)