Howtosignalprocessing
- Qu'est-ce qu'une fonctionnalité redondante dans l'apprentissage automatique?
- Qu'entend-on par caractéristiques redondantes?
- Les fonctionnalités redondantes affectent-elles les performances du classificateur?
- Quels critères sont utilisés pour identifier les fonctionnalités qui pourraient être redondantes?
Qu'est-ce qu'une fonctionnalité redondante dans l'apprentissage automatique?
Les caractéristiques redondantes ralentissent le processus de formation
Plus vous avez de fonctionnalités, plus les calculs sont lents. Cependant, il y a un autre facteur caché qui ralentit considérablement l'entraînement. Avoir des fonctionnalités corrélées dans l'ensemble de formation rend le paysage de perte mal conditionné (la définition vient plus tard).
Qu'entend-on par caractéristiques redondantes?
Les caractéristiques redondantes sont celles qui sont corrélées avec d'autres fonctionnalités et non pertinentes dans le sens où elles n'améliorent pas la capacité discriminatoire d'un ensemble de fonctionnalités.
Les fonctionnalités redondantes affectent-elles les performances du classificateur?
Parce qu'il existe de nombreuses caractéristiques non pertinentes et redondantes dans les données de grande dimension, ces caractéristiques conduisent non seulement à une complexité de calcul plus élevée, mais aussi à réduire la précision et l'efficacité des méthodes de classification.
Quels critères sont utilisés pour identifier les fonctionnalités qui pourraient être redondantes?
Par exemple, si deux fonctionnalités x1, X2 sont fortement corrélés, alors les deux caractéristiques deviennent des caractéristiques redondantes car elles ont les mêmes informations en termes de mesure de corrélation. En d'autres termes, la mesure de corrélation fournit une association statistique entre une paire de fonctionnalités donnée.
