In contrast to wrappers, feature fi

In contrast to wrappers, feature filters use a heuristic evaluation function with features “filtered” independently of the induction algorithm. Feature selection is first based on a statistical appraisal of the level of dependence (e.g., mutual information and Pearson’s correlation) between the candidates and output variables (May et al., 2008). The second stage consists of estimating parameters of the regression model on the selected subset. Finally, embedded approaches incorporate the feature selection directly into the learning algorithm (Bailly and Milgram, 2009)

Kết quả (Việt) 1:

Trái ngược với hàm bao, tính năng lọc sử dụng một hàm đánh giá heuristic với tính năng "lọc" độc lập với các thuật toán cảm ứng. Lựa chọn tính năng lần đầu tiên được dựa trên một đánh giá thống kê về mức độ phụ thuộc (ví dụ: thông tin lẫn nhau và Pearson's correlation) giữa các ứng cử viên và biến đầu ra (có thể và ctv., 2008). Giai đoạn thứ hai bao gồm ước tính tham số của mô hình hồi qui trên tập hợp được lựa chọn. Cuối cùng, phương pháp tiếp cận nhúng kết hợp lựa chọn tính năng trực tiếp vào các thuật toán học (Bailly và Milgram, 2009)

Kết quả (Việt) 2:

Ngược lại với hàm bao, bộ lọc tính năng sử dụng một hàm đánh giá heuristic, với các tính năng "lọc" độc lập của thuật toán cảm ứng. lựa chọn tính năng này đầu tiên dựa trên thẩm định thống kê về mức độ phụ thuộc (ví dụ, thông tin lẫn nhau và tương quan Pearson) giữa các ứng viên và các biến đầu ra (tháng et al., 2008). Giai đoạn thứ hai bao gồm ước lượng các tham số của mô hình hồi quy trên tập con được lựa chọn. Cuối cùng, phương pháp nhúng kết hợp các tính năng lựa chọn trực tiếp vào các thuật toán học (Bailly và Milgram, 2009)