Çok sayıda eğitim verisi toplamak faydalıdır, ancak çoğu zaman bunun çoğu gürültüdür ve belirli özellikler (veri kümesindeki sütunlar) modelin performansı için gereksizdir.

Gereksiz öngörücüleri veri kümesinden çıkarma işlemi olan özellik seçimi, model geliştirme süresini önemli ölçüde artırabilen çok tekrarlı, deneme yanılma, zaman alan bir süreçtir.

FeatureViz işte bunu yapıyor.

Kitaplık, yüksek performanslı veya eşdeğer bir model oluşturmak için gereken en az sayıda özelliğe sahip olmanızı sağlamak için XGBoost’u kullanır. Deneyimlerime göre, featurewiz, orijinal veri kümesinden %20 ila %99 daha az özellik kullanan ve benzer performansa sahip modeller oluşturmada gerçekten yardımcı oluyor.

En iyi kısım?

Makine öğrenimi modellerini basitleştirmek, muhakemenizi daha iyi açıklamanıza yardımcı olacak ve insanların katılmasını kolaylaştıracaktır.

𝙘𝙤𝙣𝙙𝙖 𝙞𝙣𝙨𝙩𝙖𝙡𝙡 -𝙘 𝙘𝙤𝙣𝙙𝙖-𝙛𝙤𝙧𝙜𝙚 𝙛𝙚𝙖𝙩𝙪𝙧𝙚𝙬𝙞𝙯

Kaynka:

https://www.linkedin.com/posts/paoloperrone_machinelearning-datascientist-datascience-activity-7030913947708837888-BQQV?utm_source=share&utm_medium=member_desktop