Tal vez, pero podría ser mejor emular un algoritmo que ya lo hace en lugar de hacerlo manualmente.
Con: una “característica” suele ser una agregación para que el conjunto de características termine siendo más pequeño que el número de variables o el número de puntos de datos, dependiendo de si combina variables o combina medidas en diferentes ubicaciones y tiempos en la característica. Si crea un conjunto de características grande, niega este beneficio de la agregación de características.
Pro: muchos métodos de aprendizaje automático producen una gran cantidad de combinaciones y transformaciones de las variables originales y luego eligen y eligen entre ellas. Esto incluye tanto SVM, que se proyectan a espacios de alta dimensión, redes de reservorios, que “se proyectan” a un gran número de neuronas que pueden combinarse linealmente y un muestreo compresivo, que realiza proyecciones aleatorias, algunas de las cuales son muy útiles.
- ¿Cuál es la diferencia entre aprendizaje gradual y aprendizaje de refuerzo?
- ¿Cuánta experiencia ML necesita uno para las competiciones ML de Kaggle?
- ¿Cuál es la forma correcta de verificar si mi fórmula de gradiente es correcta o no?
- ¿Cuál es la forma correcta y deseable de hacer un asistente personal / bot de chat usando AI, ML y NLP?
- ¿Dónde puedo encontrar los mejores tutoriales de aprendizaje automático como principiante?
No tengo claro cuándo funciona esta estrategia y cuándo obtienes muchas correlaciones falsas, por eso te sugiero que te aferres a un método existente que hace lo que quieres hacer 🙂
