Sélection de variables

La sélection de features peut paraître de moindre importance dans un contexte où la puissance de calcul ne cesse d’augmenter mais cette puissance est de plus en plus accessible via la parallélisation qui nécessite quelques ajustements algorithmiques. L’ajout de features complique également l’interprétation des résultats.

Notebooks

• 2A.ml - Réduction d’une forêt aléatoire - énoncé, 2A.ml - Réduction d’une forêt aléatoire - correction

Lectures

• An Introduction to Variable and Feature Selection

• Feature Selection (wikipédia)

• Feature Selection (scikit-learn)

• Consistent Feature Selection for Pattern Recognition in Polynomial Time (boruta)

• Variable selection using pseudo-variables : l’article utilise la pénalisation pour classer les variables par importance, plus le modèle est pénalisé (type Lasso), plus il réduit le nombre de variables.

• Complete Search for Feature Selection in Decision Trees

• Modules

• scikit-learn

• borutapy