Если то, что вы хотите знать, это выбор модели , и это не так просто, как изучение соотношения ваших функций с вашей целью.Для более подробного и детального описания выбора модели я рекомендую вам прочитать главу 7 Элементы статистического обучения .Если вы ищете, как объяснить свою сеть , то вам также понравится, и я бы рекомендовал прочитать эту статью для начинающих, хотя я и выигралЯ не буду вдаваться в подробности.
Наивные подходы к выбору модели:
Существует несколько способов сделать это.
Наивный способ - оценить все возможные модели., поэтому каждая комбинация функций.Поскольку у вас есть 10 функций, это невыполнимо в вычислительном отношении.
Другой способ - взять переменную, которая, по вашему мнению, является хорошим предиктором, и обучаться моделированию только по этой переменной.Вычислите ошибку на тренировочных данных.Возьмите другую переменную случайным образом, переобучите модель и пересчитайте ошибку в данных тренировки.Если сбрасывает ошибку, сохраните переменную.В противном случае откажитесь от него.Продолжайте идти для всех функций.
Третий подход - противоположность.Начните с обучения модели всем функциям и последовательно отбрасывайте переменные (менее наивный подход - отбрасывать переменные, которые, по вашему мнению, имеют мало объяснительной силы), вычисляют ошибку на данных обучения и сравнивают, чтобы узнать, сохраняете ли вы функцию или нет.
Есть миллионы способов сделать это.Я раскрыл три самых простых, но, опять же, вы можете углубиться в эту тему и найти все виды различной информации (именно поэтому я настоятельно рекомендую вам прочитать эту главу :)).