Перейти к содержанию

Блок "Автоподбор факторов. Регрессия"

Блок доступен начиная с версии 1.0

Назначение блока

Блок предназначен для автоматического отбора наиболее значимых признаков для решения задачи регрессии.

Чтобы начать работать с блоком, его необходимо выбрать в библиотеке и переместить в область графа.

Настройки блока

Работа с настройками блока осуществляется через его локальное меню (пункт Настройки):

Модальное окно настроек представлено ниже:

Общие настройки блоков описаны в отдельном разделе.

Раздел "Фильтрация признаков"

Наименование id настройки Тип Обязательное Описание
Удаление константных признаков del_const Флаг Нет По умолчанию True
Удаление коррелированных признаков del_corr Флаг Нет По умолчанию True
Порог корреляции corr Целое число Нет По умолчанию 0.9. Настройка доступна, если флаг "Удаление коррелированных признаков" равен True

Раздел "Статистический отбор признаков"

Наименование id настройки Тип Обязательное Описание
Тип отбора type_select Выпадающий список Да По умолчанию "Быстрый отбор". Поле поддерживает единичную отметку. Содержит следующие элементы:
- Быстрый отбор ("fast");
- Метод RFECV ("rfecv")

В зависимости от выбранного типа отбора задаётся разный набор параметров. Параметры распределены в отдельные таблицы.

Настройки при типе отбора "Быстрый отбор"

Наименование id настройки Тип Обязательное Описание
Метод оценки значимости признаков score_func Выпадающий список Нет По умолчанию "F статистика". Поле поддерживает единичную отметку. Содержит следующие элементы:
- F статистика ("f_regression");
- Коэффициент Пирсона ("r_regression");
- Взаимная информация ("mutual_info_regression")
Стратегия выбора признаков strat_select Выпадающий список Нет По умолчанию "Top-K признаков". Поле поддерживает единичную отметку. Содержит следующие элементы:
- Top-K признаков ("select_k_best")
- Топ % ("select_percentile")
k k Целое число Нет По умолчанию 5. Значение должно принадлежать промежутку [0; Количество факторов обучающей выборки]. Настройка доступна, если в выпадающем списке "Стратегия выбора признаков" выбран элемент "Top-K признаков"
% percent Вещественное число Нет По умолчанию 0.5. Значение должно принадлежать промежутку (0,1]. Настройка доступна, если в выпадающем списке "Стратегия выбора признаков" выбран элемент "Топ %"

Настройки при типе отбора "Метод RFECV"

Наименование id настройки Тип Обязательное Описание
Тип кросс-валидации cv_type Выпадающий список Нет По умолчанию "Временной ряд". Поле поддерживает единичную отметку. Содержит следующие элементы:
- K-Фолд ("KFold");
- Временной ряд ("TimeSeriesSplit")
Количество фолдов cv_splits Целое число Нет По умолчанию 3. Значение должно быть больше или равно 0
Метрика scoring Целое число Нет По умолчанию "Средняя квадратичная ошибка MSE". Поле поддерживает единичную отметку. Содержит следующие элементы:
- Коэффициент детерминации R2 ("r2")
- Средняя абсолютная ошибка MAE ("mean_absolute_error")
- Средняя квадратичная ошибка MSE ("mean_squared_error")
- Корень из средней квадратичной ошибки RMSE ("root_mean_squared_error")
- Средняя абсолютная процентная ошибка MAPE ("mean_absolute_percentage_error")
Минимум признаков для отбора min_features_to_select Целое число Нет По умолчанию 1. Значение должно принадлежать промежутку [0; Количество факторов обучающей выборки]
Начальное положение системы random_state Целое число Нет По умолчанию 123. Значение должно быть больше или равно 0

Входы блока

Наименование выхода Тип Описание
Обучающая выборка. Зависимая переменная DataFrame DataFrame с одним рядом
Обучающая выборка. Независимые переменные DataFrame DataFrame с набором признаков
Тестовая выборка. Независимые переменные DataFrame DataFrame с набором признаков
Прогнозная выборка. Независимые переменные DataFrame DataFrame с набором признаков
Настройки блока JSON См. описание ниже

Вход "Настройки блока"

Если настройки передаются на вход блока, его внутренние настройки игнорируются. Для корректной передачи настроек необходимо:

  1. Передать их в формате JSON.

  2. Обязательно указать тип отбора, который требуется выполнить, используя параметр "type_select" (например, "type_select": "rfecv"). Это обязательный параметр. Если тип отбора не указан, расчет произведен не будет.

  3. Указать все необходимые параметры выбранной модели по принципу "id_настройки": значение. Идентификаторы настроек и перечислений приведены в таблицах выше. Если параметр указан неверно или отсутствует, будет использовано значение по умолчанию.

    Пример задания настроек*

    {
    'del_const': 1,
    'del_corr': 1,
    'corr': 0.70,
    'type_select': 'rfecv',
    'cv_type': 'KFold',
    'cv_splits': 10,
    'scoring': 'root_mean_squared_error',
    'min_features_to_select': 2,
    'random_state': 1159
}

Выходы блока

Наименование выхода Тип Описание
Обучающая выборка. Зависимая переменная DataFrame
Обучающая выборка. Отобранные признаки DataFrame
Тестовая выборка. Отобранные признаки DataFrame
Прогнозная выборка. Отобранные признаки DataFrame
Список выбранных признаков Список
Описательный отчет html Статистический отчет о работе метода

События блока

В блоке нет событий.

Описание работы блока

Блок предназначен для исключения нерелевантных или избыточных признаков, улучшения качества моделей машинного обучения и сокращения времени обучения за счет снижения размерности входных данных.

Результаты работы блока:

  • Набор отобранных рядов.
  • HTML-отчет о работе блока.

Настройки блока можно задать через графический интерфейс или передать их на соответствующий вход.

Блок «Автоподбор факторов» работает в два этапа:

  1. Фильтрация данных: удаление константных рядов (признаков с постоянными значениями); удаление рядов, чья корреляция с зависимой переменной превышает заданный порог.
  2. Основной отбор. Применяется только к оставшимся после фильтрации рядам. Доступны два режима:
  3. Быстрый отбор;
  4. Валидационный метод RFECV (Recursive Feature Elimination with Cross-Validation) на основе регрессии Lasso.

Ограничения блока

  1. Метод работает только с объектами pandas.DataFrame
  2. Обучающая выборка не должна содержать полностью пустых столбцов.
  3. Тестовая и прогнозная выборки должны иметь тот же набор признаков, что и обучающая выборка.
  4. Зависимая переменная должна состоять только из одного столбца.
  5. Зависимая и независимые переменные должны иметь одинаковое количество наблюдений.
  6. Все входные данные должны быть числовыми и не содержать пропусков и бесконечных значений.
  7. Индексы строк зависимой и независимых переменных обучающей выборки должны совпадать.