معلوماتی انتخاب ایک ایسا عمل ہے جو مشین سیکھنے میں استعمال ہوتا ہے تاکہ ماڈل ٹریننگ کے لیے سب سے زیادہ متعلقہ متغیرات کی شناخت ہو سکے۔اس میں ماڈل کارکردگی بہتر ہو، کمیت کم ہو جائے اور کمیت کے اخراجات کم ہو جائیں۔اس مضمون میں عام تکنیکوں پر بحث کی گئی ہے اور ان کے اطلاق کی وضاحت کے لیے عملی مثالیں فراہم کی گئی ہیں۔

فائلز

حروف تہجی طریقہ کار (found system) کی پیمائش کے لیے دیکھیے ان خصوصیات کا تجزیہ کریں جن کی بنیاد پر splocity settlements (diminional data) کے لیے تیز اور موزوں ہے. عام تکنیکوں میں spermpiofficents،chi-square tests اور باہمی معلومات شامل ہیں۔

مثال کے طور پر ، کسی بھی چیز کو استعمال کرتے ہوئے ، نشانے کی منتقلی کے لئے بلند آواز سے خصوصیات اختیار کی جاتی ہیں جبکہ کم‌ازکم ایسے اشخاص کو استعمال کرنا آسان ہوتا ہے جو اُس کے اندر رابطہ کو نظرانداز کر دیتے ہیں ۔

گرب

اِس کے علاوہ یہ بہت اچھی کارکردگی کا باعث بن سکتے ہیں ۔

تکنیکی خصوصیات میں ری ایکٹر (RFE) اور آگے یا پیچھے کے انتخاب شامل ہیں۔مثلاً RFE بار ٹرینیں ایک ماڈل کو ٹرینیں، سب سے کم اہم خصوصیات کو دور کرتی ہیں اور صوبائی سطح کو اس وقت تک برقرار رکھتی ہیں جب تک Autmal province -

غیر متصل

مثال کے طور پر ، نمونے کی تربیت کے دوران انتخاب کریں ۔

مثالیں لاسو (L1 باقاعدہ) اور درخت پر مبنی الموت جیسے کہ رندم جنگلات کو بھی شامل کرتی ہیں، جو نمایاں اہمیت کے حامل اسکور فراہم کرتے ہیں۔یہ طریقے توازن اور کارکردگی کے لحاظ سے درست ہیں۔

عملی نمونہ

فرض کریں کہ آپ کے پاس معلومات کا حساب‌کتاب ہے جس میں آپ گھر کی قیمتوں کی بابت پیشینگوئی کرتے ہیں ۔