Einführung
In diesem Lab wird gezeigt, wie die univariate Feature Selection verwendet werden kann, um die Klassifikationsgenauigkeit auf einem rauschenden Datensatz zu verbessern. Ein Support Vector Machine (SVM) wird verwendet, um den Datensatz sowohl vor als auch nach der Anwendung der univariaten Feature Selection zu klassifizieren. Für jede Eigenschaft werden die p-Werte für die univariate Feature Selection und die entsprechenden Gewichte der SVMs geplottet. Dadurch werden wir die Modellgenauigkeit vergleichen und den Einfluss der univariaten Feature Selection auf die Modellgewichte untersuchen.
VM-Tipps
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Skills Graph
%%%%{init: {'theme':'neutral'}}%%%%
flowchart RL
sklearn(("Sklearn")) -.-> sklearn/CoreModelsandAlgorithmsGroup(["Core Models and Algorithms"])
sklearn(("Sklearn")) -.-> sklearn/DataPreprocessingandFeatureEngineeringGroup(["Data Preprocessing and Feature Engineering"])
sklearn(("Sklearn")) -.-> sklearn/ModelSelectionandEvaluationGroup(["Model Selection and Evaluation"])
sklearn(("Sklearn")) -.-> sklearn/UtilitiesandDatasetsGroup(["Utilities and Datasets"])
ml(("Machine Learning")) -.-> ml/FrameworkandSoftwareGroup(["Framework and Software"])
sklearn/CoreModelsandAlgorithmsGroup -.-> sklearn/svm("Support Vector Machines")
sklearn/DataPreprocessingandFeatureEngineeringGroup -.-> sklearn/preprocessing("Preprocessing and Normalization")
sklearn/DataPreprocessingandFeatureEngineeringGroup -.-> sklearn/feature_selection("Feature Selection")
sklearn/DataPreprocessingandFeatureEngineeringGroup -.-> sklearn/pipeline("Pipeline")
sklearn/ModelSelectionandEvaluationGroup -.-> sklearn/model_selection("Model Selection")
sklearn/UtilitiesandDatasetsGroup -.-> sklearn/datasets("Datasets")
ml/FrameworkandSoftwareGroup -.-> ml/sklearn("scikit-learn")
subgraph Lab Skills
sklearn/svm -.-> lab-49127{{"Univariate Feature Selection"}}
sklearn/preprocessing -.-> lab-49127{{"Univariate Feature Selection"}}
sklearn/feature_selection -.-> lab-49127{{"Univariate Feature Selection"}}
sklearn/pipeline -.-> lab-49127{{"Univariate Feature Selection"}}
sklearn/model_selection -.-> lab-49127{{"Univariate Feature Selection"}}
sklearn/datasets -.-> lab-49127{{"Univariate Feature Selection"}}
ml/sklearn -.-> lab-49127{{"Univariate Feature Selection"}}
end