Hay muchas opciones:
Si utiliza el Algoritmo del árbol de decisión para el problema de clasificación, encontramos Ganancia de información / Relación de Gini. Este valor especifica la reducción de la incertidumbre. El valor más alto de las medidas especificadas para una variable indica una mayor reducción de la incertidumbre, por lo que son más importantes.
Si aplica un bosque aleatorio en cada paso, sigue agregando y eliminando variables para obtener las variables más predictivas.
- ¿Qué es mejor para la detección de automóviles: Haar Cascade o HOG?
- ¿Es Siraj Raval el Neil De Grasse Tyson del aprendizaje profundo?
- ¿Cuáles son las propiedades utilizadas para agrupar partículas en tipos?
- ¿Cuáles son los grandes problemas de investigación en el reconocimiento de voz hoy?
- ¿Cuáles son algunas aplicaciones interesantes de aprendizaje profundo en FinTech?
La salida del bosque aleatorio le da importancia variable.
Otros métodos para medir el poder predictivo de las variables son:
-WOE (peso de la evidencia)
Información Valor Poder predictivo
0.02 a 0.1 Pronosticador débil
0.1 a 0.3 predictor medio
0.3 a 0.5 predictor fuerte
> 0.5 Sospechoso o demasiado bueno para ser verdad
– Selección sabia de pasos (adelante, atrás o ambos)