Устранение рекурсивной функции с помощью млр - PullRequest
Новая
       26

Устранение рекурсивной функции с помощью млр

0 голосов
/ 11 октября 2018

Можно ли выполнить функцию исключения рекурсивных функций (rfe) с помощью mlr?Я знаю, что это возможно с помощью caret здесь , но даже если есть некоторая документация по выбору функций с помощью mlr, я не нашел эквивалента для rfe.

1 Ответ

0 голосов
/ 11 октября 2018

Чтобы выполнить рекурсивное удаление признаков в mlr, вы можете использовать функцию makeFeatSelControlSequential с аргументом method = sbs (последовательное обратное выделение).Вот пример использования с использованием lda ученика: 

library(mlr)
ctrl <- makeFeatSelControlSequential(method = "sbs",
                                     beta = 0.005)

rdesc <- makeResampleDesc("CV", iters = 3)

sfeats <- selectFeatures(learner = "classif.lda",
                         task = sonar.task,
                         resampling = rdesc,
                         control = ctrl,
                         show.info = FALSE)


FeatSel result:
Features (57): V1, V2, V3, V4, V5, V6, V7, V8, V9, V11, V12, V13, V14, V15, V16, V17, V18, V19, V21, V22, V23, V24, V25, V26, V27, V28, V29, V30, V31, V32, V33, V34, V35, V36, V37, V38, V39, V40, V41, V42, V43, V44, V45, V46, V47, V48, V49, V50, V51, V52, V53, V54, V55, V56, V57, V58, V60
mmce.test.mean=0.2066943

здесь, 57 переменных из 60 были выбраны.

вы можете использовать: 

analyzeFeatSelResult(sfeats)

чтобы овладеть путем выбора 

#output
    Path to optimum:
- Features:   60  Init   :                       Perf = 0.26936  Diff: NA  *
- Features:   59  Remove : V59                   Perf = 0.2403  Diff: 0.029055  *
- Features:   58  Remove : V10                   Perf = 0.22588  Diff: 0.014424  *
- Features:   57  Remove : V20                   Perf = 0.20669  Diff: 0.019186  *

Stopped, because no improving feature was found.
...