Necesita explorar bien sus datos, llevar a cabo algunas ideas haciendo una investigación de Análisis de datos exploratorios sobre sus datos. Y después de hacerlo, puede decidir qué algoritmo será el más adecuado. Hay muchas cosas que puedes hacer :
1. Comprueba el tamaño de los datos que tienes mientras entrenas
2. Dado que hay pocas características, SVM no será una buena opción, tampoco supondría que fueran datos de texto.
3. Compruebe las correlaciones de características y las características importantes que son útiles en la variable objetivo de predicción.
4. Aplique modelos simples primero, como Regresión logística -> Árboles de decisión -> Conjunto, etc. Aumente la complejidad de los modelos si no está satisfecho con los resultados.
5. Además, puede ajustar su rendimiento al reducir algunas características, o aumentar los datos de entrenamiento, o viceversa. También puede hacer ingeniería de características generando más funciones a partir de una disponible que puede predecir mejor que las individuales.
6. Luego puede hacer ajustes de hiperparámetros utilizando la Búsqueda de cuadrícula, para optimizar aún más.
7. Puede ajustar los modelos utilizando diferentes técnicas de optimización, o incluso escribiendo alguna función propia si comprende cuál podría ser el flujo de la solución.
Por lo tanto, para resumir, haré énfasis en solo dos puntos que debe tener en cuenta.
1. ¿Qué modelo elegir?
2. ¿Qué características elegir?
El resto para todos los problemas ya está disponible en la red.
- ¿Qué algoritmo de extracción de características es adecuado para el reconocimiento facial basado en video?
- ¿Qué tan efectiva es la tecnología para resolver el problema de la pobreza?
- ¿Cuál: Estructura de datos y pensamiento algorítmico con Python (Narasimha Karumanchi) o Estructuras de datos y algoritmos en Python (Michael T. Goodrich)?
- ¿Cómo hacemos análisis de búsqueda binaria (matriz)?
- ¿Es adecuado CLRS para que un principiante comience su viaje de algoritmos y estructuras de datos? En caso afirmativo, ¿cómo se debe proceder?
