nó Seleção de Variável

Os problemas de mineração de dados podem envolver centenas, ou até mesmo milhares, de campos que podem potencialmente ser usados como entradas. Como resultado, muito tempo e esforço poderão ser gastos examinando quais campos ou variáveis deverão ser incluídos no modelo. Para limitar as opções, o algoritmo Seleção de Variável pode ser utilizado para identificar os campos que forem mais importantes para uma determinada análise. Por exemplo, se estiver tentando prever resultados de um paciente com base em diversos fatores, quais desses fatores poderão ser os mais importantes?

A seleção de variável consiste em três passos:

• Triagem. Remove entradas e registros não significativos e problemáticos, ou casos como campos de entrada com muitos valores omissos ou com uma variação muita alta ou muito baixa de serem úteis.
• Classificação. Classifica o restante das entradas e designa classificações com base na importância.
• Selecionando. Identifica o subconjunto de variáveis a serem utilizadas em modelos subsequentes, por exemplo, ao preservar apenas as entradas mais importantes e filtrar ou excluir todas as outras.

Em uma era em que muitas organizações estão lotadas de dados, os benefícios da seleção de variável para simplificar e acelerar o processo de modelagem podem ser substanciais. Ao focar sua atenção direto nos campos de maior importância, é possível reduzir a quantia de cálculo necessária, localizar mais facilmente relacionamentos pequenos, porém importantes que poderiam de outra forma passarem despercebidos e, por fim, obter modelos mais simples, mais precisos e mais facilmente explicáveis. Ao reduzir o número de campos utilizados no modelo, você pode achar que é possível reduzir os tempos de escoragem e também a quantia de dados coletados em iterações futuras.

Exemplo, Uma empresa telefônica possui um armazém de dados contendo informações sobre respostas de uma promoção especial fornecidas por 5.000 clientes dessa empresa. Os dados incluem um grande número de campos contendo idades, profissão, renda e estatísticas de uso de telefone do cliente. Três campos de destino mostram se o cliente respondeu ou não a cada uma das três ofertas. A empresa deseja usar esses dados para ajudar a prever quais clientes têm maior probabilidade de responder a ofertas semelhantes no futuro.

Requisitos. Um único campo de destino (um com seu papel configurado para Target), juntamente com vários campos de entrada que você deseja para tela ou classificação em relação ao alvo. Ambos os campos de destino e entrada podem ter um nível de medição de Continuous (intervalo numérico) ou Categorical.