П. Браздил - Ме­та­обуче­ние Применение­ в ­AutoML­­ и­ науке­ о­ данных

корреляции..................................77
Ранговая корреляция Спирмена......................................................................78
Взвешенная мера ранговой корреляции........................................................79
3.6. Оценка влияния рекомендаций........................................................................79
3.6.1. Потери производительности и кривые потерь........................................80
3.6.2. Характеризация кривых потерь по AUC...................................................81
3.6.3. Агрегирование кривых потерь после нескольких проходов CV............81
3.6.4. Статистические тесты при заданном бюджете времени........................82
3.7. Некоторые полезные меры.................................................................................83
3.7.1. Низкая точность............................................................................................83
3.7.2. Нормализованный дисконтированный совокупный прирост. .............83
3.8. Литература............................................................................................................84

Глава 4. Характеристики набора данных (метапризнаки)..............86
4.1. Введение................................................................................................................86
4.1.1. Что такое хорошие признаки набора данных?........................................87
4.1.2. Характеристики, зависящие от задач и данных......................................87
4.1.3. Характеристики алгоритмов. .....................................................................88
4.1.4. Разработка метапризнаков.........................................................................88
4.2. Характеризация данных в задачах классификации.......................................88
4.2.1. Простые, статистические и теоретико-информационные
метапризнаки. ........................................................................................................89
Простые метапризнаки.....................................................................................89
Статистические метапризнаки........................................................................89
Теоретико-информационные метапризнаки................................................90

Содержание  9

4.2.2. Метапризнаки на основе модели...............................................................91
4.2.3. Метапризнаки на основе производительности.......................................91
Ориентиры..........................................................................................................91
Относительные ориентиры..............................................................................92
Ориентиры подвыборки и частичные кривые обучения.............................92
Вектор ориентиров производительности. .....................................................92
4.2.4. Метапризнаки, основанные на концепции и сложности.......................93
Вариативность/неровность выходного пространства..................................93
Перекрытие отдельных признаков..................................................................94
Разделимость классов........................................................................................94
Связь некоторых мер сложности с другими типами. ...................................94
4.3. Характеризация данных, используемая в задачах регрессии. .....................95
4.3.1. Простые и статистические метапризнаки................................................95
Метапризнаки на основе корреляции. ...........................................................96
4.3.2. Меры на основе сложности задачи............................................................96
4.3.3. Меры на основе сложности/модели...........................................................96
4.3.4. Меры гладкости. ...........................................................................................97
4.3.5. Меры нелинейности.....................................................................................97
4.4. Характеризация данных, используемых в задачах временных рядов........98
4.4.1. Общая статистика (описательная статистика).........................................98
4.4.2. Характеристики в частотной области. ......................................................98
4.4.3. Характеристики на основе автокорреляции............................................99
4.5. Характеризация данных, используемых в задачах кластеризации.............99
4.5.1. Простые, статистические и теоретико-информационные
метапризнаки. ........................................................................................................99
4.5.2. Метапризнаки на основе модели.............................................................100
4.5.3. Метапризнаки на основе производительности.....................................100
4.5.4. Метаобучение или оптимизация на целевом наборе данных?...........100
4.6. Получение новых признаков из базового набора.........................................101
4.6.1. Генерация новых признаков путем агрегации......................................101
4.6.2. Генерация полного набора метапризнаков............................................101
4.6.3. Создание новых признаков с помощью PCA. ........................................102
4.6.4. Преобразование признаков путем отбора и проекции........................102
4.6.5. Построение новых скрытых признаков с помощью матричного
разложения............................................................................................................102
4.6.6. Создание новых признаков в виде встраиваний...................................103
4.7. Отбор метапризнаков........................................................................................104
4.7.1. --">