我正在学习神经网络并面临这种情况。
假设在我的输入中,X 有 20-30 个特征,Y 是一个分类(例如 1、2、3、4、5)。
我需要的是找到对输出 Y 贡献最大的特征(即最重要的特征)。
基于我对神经网络和机器学习的有限理解,随机森林是可以给出这些信息的模型。对于神经网络,我不确定它能否实现我想要的。
有没有可能有人给出更多的想法?
我正在学习神经网络并面临这种情况。
假设在我的输入中,X 有 20-30 个特征,Y 是一个分类(例如 1、2、3、4、5)。
我需要的是找到对输出 Y 贡献最大的特征(即最重要的特征)。
基于我对神经网络和机器学习的有限理解,随机森林是可以给出这些信息的模型。对于神经网络,我不确定它能否实现我想要的。
有没有可能有人给出更多的想法?
我会在您的场景中使用随机森林,因为 RF 以确定不同特征的重要性而闻名;这些方法在许多机器学习框架中实现,并且非常易于理解。
虽然神经网络功能强大,但提取单个特征重要性的方法却不太清楚。如果您更关注结果,则神经网络更合适。