ويمثل اختيار الأعضاء خطوة حاسمة في التعلم الآلاتي تشمل تحديد أهم المتغيرات في مجال وضع النماذج، ويساعد على تحسين دقة النماذج، والحد من المبالغة في الملاءمة، وخفض التكلفة الحاسوبية، وتوجد استراتيجيات مختلفة، لكل منها مزاياه وقيوده.

أساليب التصوير

وتقيم أساليب التصوير أهمية السمات القائمة على تدابير إحصائية مثل الترابط أو المعلومات المتبادلة أو درجات الميكنة، وهي فعالة من الناحية الحسابية ومناسبة للبيانات العالية الأبعاد، غير أنها لا تنظر في التفاعلات الخاصة أو التأثير على النموذج المحدد المستخدم.

طرق الغضب

وتختار أساليب الغضب سمات من خلال تدريب نموذج وتقييم أدائه مع مجموعات فرعية مختلفة من السمات، وتدرج تقنيات مثل الاختيار الأمامي، والقضاء على التخلف، والقضاء على السمات الترفيهية في هذه الفئة، وكثيرا ما تنتج نتائج أفضل ولكنها مكثفة حاسبيا ومعرضة للتجاوز في استخدام مجموعات البيانات الصغيرة.

الطرائق المدمجة

وتشمل الأساليب المدمجة اختيار الملامح كجزء من عملية التدريب النموذجية، ومن الأمثلة على ذلك تقنيات تسوية الأوضاع مثل لاسو والخوارزميات القائمة على الأشجار، وهي تتوازن بين الكفاءة والفعالية، وكثيرا ما توفر تبادلا جيدا بين التصفية وأساليب التصفيف.

اختيار الاستراتيجية الصحيحة

ويعتمد اختيار طريقة مناسبة لاختيار السمات على حجم البيانات والموارد الحاسوبية والمشكلة المحددة، ويمكن أن تسفر الجمع بين استراتيجيات متعددة في بعض الأحيان عن نتائج أفضل، ومن الضروري التحقق من السمات المختارة باستخدام تقنيات التقييم المتقاطعة أو غيرها من تقنيات التقييم.