看起来你是新来的。登录或注册开始。
假设您正在为特征选择构建优化过程，以剔除不太重要的变量。可以使用“前向选择”、“后向消除”或其他特征工程操作符。但是，我们使用预测模型的性能(RMSE, AUC，准确度，精密度，召回率，f分数等)测量来选择重要变量，而不是p值。
在RapidMiner中，只有广义线性模型或逻辑回归可以返回p值表。因此，我们可以构建迭代循环，根据GLM/LR的p值选择重要变量。我所附的过程显示了通过GLM的p值进行特征选择的简化版本(没有迭代)。其他非线性模型或集成回归模型可能没有p值。附加过程是一个删除p值不显著的变量的例子。您将需要来自Marketplace的转换器扩展来运行该过程。该转换器用于从线性回归模型中提取p值，以去除非显著属性。
欢呼,
YY
新手
答案
你是否尝试在线性回归算子的特征选择参数中设置“t检验”?alpha值为0.05表示选择p<0.05的变量。
如果您需要任何信息，请告诉我们。
Varun
https://www.varunmandalapu.com/
是安全的。遵循预防措施并保持社交距离
假设您正在为特征选择构建优化过程，以剔除不太重要的变量。可以使用“前向选择”、“后向消除”或其他特征工程操作符。但是，我们使用预测模型的性能(RMSE, AUC，准确度，精密度，召回率，f分数等)测量来选择重要变量，而不是p值。
在RapidMiner中，只有广义线性模型或逻辑回归可以返回p值表。因此，我们可以构建迭代循环，根据GLM/LR的p值选择重要变量。我所附的过程显示了通过GLM的p值进行特征选择的简化版本(没有迭代)。其他非线性模型或集成回归模型可能没有p值。附加过程是一个删除p值不显著的变量的例子。您将需要来自Marketplace的转换器扩展来运行该过程。该转换器用于从线性回归模型中提取p值，以去除非显著属性。
欢呼,
YY