我正在处理一个复杂的数据集，其中包含许多患有疾病的患者，以及这些患者的各种品质。我正在尝试根据患者的素质来确定患者的结果。
我正在使用xgboost分类器来尝试确定患者的结果之一。
为了确保我的结果有意义，我添加了一个随机变量，rand它是 (0,10) 内的一个随机数，对患者的结果没有影响。
该rand变量应在变量重要性中显示在最后。
rand意为控制变量。
添加控制变量是否像rand确定我的模型有意义的有效方法一样？
添加随机控制变量是一个好主意，以确保结果正确吗？
数据挖掘
机器学习
分类
xgboost
2022-02-03 18:13:56
1个回答
这种方法有一定的意义，但由于几个原因，它不是最好的方法。
首先，这个控制变量可能并不总是最重要的，因为其他一些变量也可能对目标变量（结果）没有任何影响。
更重要的是，对照组/控制变量的概念在无法客观评估方法效果的情况下很有用。由于安慰剂效应和其他各种偏差，药物试验通常需要一个对照组。对照组扮演基线的角色，方法的性能是相对于这个基线来衡量的。
在监督分类中，有一种更直接的方法可以客观地评估方法的效果：这正是我们在适当的测试集（新实例）上评估性能时所做的。此外，还有一些简单的方法可以将系统的性能与基线进行比较：如果之前没有类似的系统用于该任务，则可以简单地使用随机基线或多数基线分类器。