การคัดเลือกแบบคุณภาพเป็นกระบวนการที่ใช้ในการเรียนรู้ของเครื่อง เพื่อระบุตัวแปรที่มีความสําคัญมากที่สุดในการฝึกจําลอง
วิธีการการกรอง
วิธีการกรองจะประเมินความสัมพัทธ์ของคุณสมบัติต่าง ๆ ที่ขึ้นอยู่กับมาตรการทางสถิติ พวกเขารวดเร็วและเหมาะสมสําหรับข้อมูลที่มีมิติสูง เทคนิคทั่วไปมีสัมประสิทธิ์สัมพัทธ์, การทดสอบไคสแควร์ และข้อมูลร่วมกัน
ตัว อย่าง เช่น การ ใช้ ความ สัมพันธ์ ที่ มี ความ เกี่ยว พัน กัน อย่าง มาก กับ ตัวแปร ที่ ถูก เลือก ไว้ ขณะ ที่ คน ที่ มี ความ เกี่ยว พัน กัน น้อย ก็ ถูก ทิ้ง.
วิธีการตัดกระดาษ
วิธี การ ตัด ไม้ ประเมิน ลักษณะ ของ สิ่ง ที่ มี ลักษณะ พิเศษ โดย ฝึก แบบ จําลอง และ เลือก วิธี การ ที่ บังเกิด ผล ดี ที่ สุด.
เทคนิกรวมถึงการถอดคุณสมบัติการเรียกดู (RFE) และการเลือกแบบเดินหน้าหรือย้อนกลับ ตัวอย่างเช่น RFE ฝึกรุ่นซ้ํา, ลบคุณสมบัติที่สําคัญน้อยที่สุด, และ ขัดเส้นเรียงภาพให้พอดี จนกระทั่งบรรลุประสิทธิภาพสูงสุด
วิธีการฝังตัว
วิธี การ ที่ ฝัง ตัว อยู่ ใน ตัว จะ ทํา ให้ มี การ เลือก คุณสมบัติ ระหว่าง การ ฝึก อบรม แบบ จําลอง.
ตัว อย่าง เช่น ลาสโซ (L1 ทํา เป็น ปกติ) และ อัลกอริทึม ที่ อาศัย ต้นไม้ เช่น ป่า สุ่ม ซึ่ง ให้ คะแนน ที่ สําคัญ อย่าง เด่น ชัด.
ตัว อย่าง ที่ ใช้ ได้ จริง
สมมุติ ว่า คุณ มี ชุด ข้อมูล พร้อม ด้วย คุณสมบัติ หลาย อย่าง ที่ คาด คะเน ราคา ของ บ้าน คุณ อาจ เลือก วิธี การ ที่ มี ความ เกี่ยว พัน มาก ที่ สุด กับ ราคา แล้ว ใช้ RFE ปรับ ปรุง วิธี การ เขียน แบบ สับเซต ใน ที่ สุด ฝึก รุ่น ที่ มี คุณสมบัติ ที่ ฝัง อยู่ เพื่อ ทํา ให้ การ เลือก สําเร็จ