0

Подскажите, почему может ухудшаться метрика в задаче машинного обучения при добавлении новых признаков? Наиболее интересны модели бустинга над деревьями и случайного леса.

По дефолту добавляемые признаки не содержат пропуски и являются числовыми.

1
  • 1
    Привет! А вы делали предварительную статистику/распределение нового признака относительно классов? Это порой помогает понять его важность при классификации данных :)
    – roddar92
    26 окт 2020 в 16:05

2 ответа 2

0

Делаете ли вы кросс-валидацию? Если ещё не делаете, то мы идём к вам!

Например, возникает переобучение, если признак на самом деле случайный и не коррелирует с таргетом. Сложные модели могут "найти" информацию даже там, где её на самом деле нет.

Либо, наоборот, если признак не очень полезный (но всё же сколько-то полезный), а глубина деревьев у вас ограничена, этот в общем-то лишний признак может воровать у вас один из уровней глубины дерева и этой глубины не хватает для действительно полезных фич.

В общем, причин на самом деле может быть много, поэтому всегда нужно стараться использовать кросс-валидацию на фолдах при обучении, чтобы не давать модели переобучаться как под весь датасет, так и под его части. И хорошо бы проверять фичи через какую-нибудь permutation importance, чтобы отсеивать на первый взгляд богатые инфой признаки, которые на самом деле не дают ничего, кроме переобучения.

И вообще для реальной жизни простые модели на сильно хороших признаках - гораздо полезнее, чем адские смеси из тучи едва полезных признаков, перемешанных диким образом с помощью блендинга и стэкинга, как это любят делать на каггле ради сотых долей процента метрики.

0

Признак может быть зашумлённым, сильно скоррелированными и т.п.. В том числе для этого делают PCA

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.