mlr3变量选择之过滤法和嵌入法

文章预览

之前我们简单介绍过机器学习中常见的特征选择方法,详见: 机器学习中的特征选择(变量筛选)方法简介 主要就是过滤法(filter)/包装法(wrapper)/嵌入法(embed),各种方法在R中都可以找到单独的R包实现,但是这样不利于学习和使用,所以有了各种整合R包,比如 caret / tidymodels / mlr3 . 目前看来 mlr3 是整合最全面的, tidymodels 中的特征选择基本就是不能用,只有一些简单的过滤法, caret 由于性能问题现在有点落伍了.所以我们今天介绍 mlr3 中的特征选择方法. mlr3 中的特征选择主要是通过2个R包实现的: mlr3filters :实现过滤法和嵌入法 mlr3fselect :实现包装法 嵌入法是直接和算法绑定的,可以直接通过算法实现,当然也可以通过 mlr3filters 实现. 本文目录： mlr3的过滤法简介 使用方法 重新拟合模型 和图形流整合 mlr3的过滤法简介 过滤法又称为单变量过滤法,univariate-filter,通过过滤 ………………………………