مناسب خصوصیت سے انتخاب کرنے سے ماڈل ٹریننگ کے لئے سب سے زیادہ متعلقہ متغیرات کو پہچاننے ، ماڈل کی درستی میں کمی اور کمی کی جا سکتی ہے ۔ اس مضمون میں عام تکنیکوں کا جائزہ لیا گیا ہے جو کہ ان میں معلومات کو بہتر بنانے کے لئے استعمال کی گئی ہیں اور یہ سیکھنے کے طریقے کیسے اُجاگر کر سکتے ہیں ۔

عام طور پر قابلِ‌غور انتخاب تکنیک

ان تکنیکوں کو فیلڈر ، لپیٹپر اور انف‌دار طریقوں میں استعمال کِیا جا سکتا ہے ۔

فائلز

حروف تہجی طریقہ کار ان خصوصیات کا تجزیہ کرتا ہے جن پر مبنی خصوصیات کی پیمائش کی جاتی ہیں وہ تیز اور متحرک ہوتی ہیں، جس سے انہیں اعلیٰ درجے کے اعداد و شمار کے لیے موزوں بنایا جاتا ہے۔Common Firent changes شامل ہیں:

  • کرویئشا کوفیتی:] خصوصیات اور ہدف متغیرات کے درمیان متوازن تعلقات کی پیمائش کرتا ہے۔
  • Chi-Square Test: [حوالہ درکار] انفنٹری خصوصیات اور ہدف کے درمیان عدم استحکام کو ظاہر کرتا ہے۔
  • Mutual Information: [1] معلومات کی مقدار کو حاصل کرنے کے لیے معلومات کی مقدار کو حاصل کرنا اور ہدف کے درمیان تقسیم کرنا ہے۔

گرب

ای میل طریقے کي مشق ماڈلز کے ذریعے كے ذیلی حصوں کا جائزہ لیتے ہيں اور اسکے ساتھ جوڑنے والے نہایت عمدہ کارکردگی کا حامل ہوتا هے یہ طریقے زیادہ درست لیکن تناسبيابي طور پر شامل ہوتے ہیں:

  • Forward Election:] کسی خصوصیات سے شروع کرکے ایک کو ایک وقت میں اداکاری کی بہتری پر مبنی ایک اضافہ کرتا ہے۔
  • قابل ذکر کام علیٰحدگی: تمام خصوصیات سے قطع نظر اور سب سے کم اہم شخصیات کو دور کر دیتا ہے۔
  • ریکرسائنسیڈ ایلیشن: [12] ریل گاڑیوں کے ماڈل اور سستے خصوصیات کو ختم کرتا ہے۔

غیر متصل

مثالوں کے طور پر ، نمونے کی تربیت کے عمل کا حصہ منتخب کئے گئے طریقے :

  • [LLT:0] Lasso Regression: کسی کوفیم کو صفر کرنے کے لیے استعمال کرتے ہوئے استعمال کرتے ہیں، مؤثر طور پر انتخابی خصوصیات کو کم کرتے ہیں۔
  • درختوں کے درختوں : قدرتی طور پر تقسیم کے دوران معلومات حاصل کرنے پر مبنی خصوصیات کا انتخاب کریں۔
  • ریلارڈ ماڈلز:] کومبین کو متعلقہ خصوصیات کا انتخاب کرنے کے لیے ماڈل کے ساتھ ساتھ سزاؤں کا بھی سامنا کرنا پڑتا ہے۔