Scikit-learn: Unterstützung für das Löschen kollinearer Variablen hinzufügen
Beschreiben Sie den Workflow, den Sie aktivieren möchten
Können wir in LinearRegression eine Funktion hinzufügen, die Kollinearität (genaue Kollinearität) in den Daten entfernen könnte?.
Beschreiben Sie Ihren Lösungsvorschlag
Mein Vorschlag ist, ein zusätzliches Argument wie remove_collinearity hinzuzufügen, wenn es vom Benutzer festgelegt wird, dann können wir genaue kollineare Variablen mithilfe des Rangs der Matrix oder kollineare Variablen mithilfe von VIF entfernen. Dies kann einige Zeit sparen, anstatt sich für die Ridge-Regression zu entscheiden.
divyaprabha123
Alle 3 Kommentare
Es könnte besser sein, dies als Präpräprozessor in sklearn.feature_selection , damit es auf mehrere Schätzer angewendet werden kann. Ich bin mir jedoch nicht sicher, ob genaue Kollinearität ein häufiges Problem ist. Vielleicht ein Schätzer mit einem benutzerdefinierten Schwellenwert für die Merkmalskorrelation?
Ich bin mir nicht sicher, ob es etwas ist, das oft gemacht wird, im Gegensatz zu Feature-Clustering? Letzteres kann in scikit-learn mit cluster.FeatureAgglomeration durchgeführt werden, obwohl die Schnittstelle mit einem erforderlichen n_clusters möglicherweise nicht ideal ist.
cc @glemaitre
rth
am 3. Feb. 2020
Daran wird hier als Feature Selection Transformer gearbeitet: https://github.com/scikit-learn/scikit-learn/pull/14698
thomasjpfan
am 3. Feb. 2020
In der Tat danke. Schließen Sie dieses Problem dann als Duplikat von https://github.com/scikit-learn/scikit-learn/issues/13405 . Wenn Sie andere Kommentare oder Vorschläge @divyaprabha123 haben, kommentieren
rth
am 3. Feb. 2020
Verwandte Themen
ben519
·
3Kommentare
rebeccaroisin
·
4Kommentare
jrbourbeau
·
3Kommentare
stephantul
·
3Kommentare
ArtyomKaltovich
·
3Kommentare
Hilfreichster Kommentar
Daran wird hier als Feature Selection Transformer gearbeitet: https://github.com/scikit-learn/scikit-learn/pull/14698