MutualInformationFeatureSelectingEstimator クラス

定義

public sealed class MutualInformationFeatureSelectingEstimator : Microsoft.ML.IEstimator<Microsoft.ML.ITransformer>

type MutualInformationFeatureSelectingEstimator = class
    interface IEstimator<ITransformer>

Public NotInheritable Class MutualInformationFeatureSelectingEstimator
Implements IEstimator(Of ITransformer)

継承

Object

MutualInformationFeatureSelectingEstimator

実装

IEstimator<ITransformer>

注釈

エスティメーターの特性

正式には、相互情報は次のように書くことができます。

$\text{MI}(X,Y) = E_{x,y}[\log(P(x,y)) - \log(P(x)) - \log(P(y))]$ ($x$ と $y$ はランダム変数 $X$ と $Y$ の観測値です。

ここで、期待 E は X と Y の共同分布を引き継ぐ。ここで、P(x,y)はXとYの結合確率密度関数、P(x)とP(y)はそれぞれXとYの限界確率密度関数です。 一般に、従属変数(またはラベル)と独立変数(または特徴)の間の相互情報が高いほど、ラベルはその特徴に対する相互依存度が高いことを意味します。 ラベルとの相互情報が最も大きい出力機能でトップ スロットを保持します。

たとえば、次の [特徴とラベル] 列で、ラベル列との相関関係が高い上位 2 つのスロット (ベクター要素) が必要であると指定した場合、この Estimator を適用した出力では、1 番目と 3 番目のスロットのみが保持されます。これは、それらの値が Label 列の値とより相関しているためです。

エスティメーターを適合させ、結果のトランスフォーマーでデータを変換した後、上記のデータセットがどのように表示されるかを次に示します。

使用例へのリンクについては、「関連項目」セクションを参照してください。

こちらもご覧ください

• SelectFeaturesBasedOnMutualInformation(TransformsCatalog+FeatureSelectionTransforms, InputOutputColumnPair[], String, Int32, Int32)
• SelectFeaturesBasedOnMutualInformation(TransformsCatalog+FeatureSelectionTransforms, String, String, String, Int32, Int32)