Selezione delle funzionalità con clustering gerarchico per modelli interpretabili |  di Conor O'Sullivan |  Aprile 2024

 | Intelligenza-Artificiale

Crea un breve elenco di funzionalità utilizzando questo metodo statistico (Tutorial Python)

11 minuti di lettura

14 ore fa

Nell'industria, puoi avere centinaia e persino migliaia di potenziali caratteristiche del modello nel tuo set di dati. Inoltre, l'utilizzo di metodi di riduzione della dimensionalità, come PCA, può lasciare caratteristiche difficili da spiegare. Per fortuna, il clustering delle funzionalità può aiutare a creare un breve elenco di funzionalità e un modello interpretabile.

Noi:

  • Applicare il clustering gerarchico utilizzando Python
  • Spiegare la teoria alla base di questo metodo
  • Discuti i suoi vantaggi rispetto ad altri metodi di clustering per la selezione delle funzionalità.

Concludiamo acquisendo un'intuizione di come funziona il metodo utilizzando le mappe di calore di correlazione. Puoi trovare il progetto anche su GitHub.

Potrebbe piacerti anche questo video sull'argomento. E, se vuoi saperne di più, dai un'occhiata al mio corso: XAI con Python. Puoi prendere gratuito accedi se ti iscrivi a my notiziario.

Fonte: towardsdatascience.com

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *