¿Qué es la selección de características?
El objetivo de la selección de características es mejorar la interpretabilidad de los modelos, acelerar el proceso de aprendizaje y aumentar el rendimiento predictivo.
¿Cuándo deberíamos reducir el número de características utilizadas por nuestro modelo?
Algunos casos en los que es necesaria la selección de caracteristicas:
Cuando hay una fuerte colinealidad entre las características.
Hay una cantidad abrumadora de características.
No hay suficiente poder computacional para procesar todas las características.
El algoritmo obliga al modelo a usar todas las características, incluso cuando no son útiles (más a menudo en modelos paramétricos o lineales).
Cuando queremos simplificar el modelo por cualquier motivo. Por ejemplo, para que sea más fácil de explicar, se necesita menos potencia de cálculo.
¿Cuándo es innecesaria la selección de características?
Algunos casos en los que la selección de características no es necesaria:
Hay relativamente pocas características.
Todas las características contienen señales útiles e importantes.
No hay colinealidad entre las características.
El modelo seleccionará automáticamente las características más útiles.
Los recursos informáticos pueden manejar el procesamiento de todas las características.
Explicar a fondo el modelo a una audiencia no técnica no es fundamental.
¿Cuáles son los tres tipos de métodos de selección de características?
Métodos de filtrado: la selección de características se realiza independientemente del algoritmo de aprendizaje, antes de realizar cualquier modelado. Un ejemplo es encontrar la correlación entre cada característica y el objetivo y descartar aquellas que no alcanzan un umbral. Fácil, rápido, pero ingenuo y no tan eficaz como otros métodos.
Método básico.
Método de correlación.
Métodos estadísticos (Ganancia de información / Chi Square / ANOVA).
Métodos de envoltorio: entrena modelos en subconjuntos de características y usa el subconjunto que resulte en el mejor rendimiento. Algunos ejemplos son la selección de características por Pasos o Recursiva. Las ventajas son que considera cada característica en el contexto de las otras características, pero puede ser computacionalmente costoso.
Selección de avance.
Eliminación hacia atrás.
Búsqueda exhaustiva.
Métodos incorporados: los algoritmos de aprendizaje tienen una selección de características incorporada. Por ejemplo: regularización L1.
Regularización LASSO.
Importancias de las características.
Usa el siguiente notebook para ver cómo aplicar cada uno de estos métodos en un conjunto de datos que ya se ha dividido en conjuntos de entrenamiento y validación.
Considera los siguientes enlaces para métodos estadísticos si planeas aplicar la selección de características: