Filtreerimismõõdud

Filtreerimismõõdud, tuntud ka kui filtermõõdud või diskriminantanalüüsi mõõdud, on statistilised meetodid, mida kasutatakse sobivate ennustajate valimiseks mudelisse või mitmete ennustajate rühma tähtsuse hindamiseks. Need mõõdud kvantifitseerivad, kui palju üks või mitu muutujat suudavad eristada või ennustada tulemusmuutujat.

Üks levinumaid filtreerimismõõdusid on Pearsoni korrelatsioonikoefitsient, mis mõõdab lineaarset seost kahe pideva muutuja vahel. Kõrgem absoluutväärtus viitab tugevamale seosele. Teine levinud meetod on chi-ruut (χ²) test, mida kasutatakse seose hindamiseks kahe kategoorilise muutuja vahel. Suur chi-ruut väärtus viitab statistiliselt olulisele seosele.

ANOVA (dispersioonanalüüs) F-statistika on samuti filtreerimismõõt, mida kasutatakse pideva tulemusmuutuja ja ühe või mitme kategoorilise ennustaja vahelise erinevuse hindamiseks. Kõrgem F-statistika väärtus näitab, et ennustaja on tulemusmuutuja suhtes informatiivne.

Lisaks eelmainitud meetoditele kasutatakse ka informatsiooniteooriast pärinevaid mõõdusid, nagu informatsiooni hulk (information gain) ja vastastikune informatsioon (mutual information), mis hindavad, kui palju informatsiooni üks muutuja annab teise muutuja kohta. Need meetodid sobivad erinevat tüüpi andmetega töötamiseks ja võivad tuvastada ka mittelineaarseid seoseid.

Filtreerimismõõdusid kasutatakse sageli andmete ettevalmistamise etapis masinõppe projektides, et vähendada muutujate arvu ja parandada mudeli jõudlust, eemaldades väheinformatiivsed või redundantseid muutujad. Need on kiired ja töökindlad, kuid ei arvesta muutujate omavahelisi interaktsioone nagu sissepritsemeetodid (wrapper methods) või hindamismeetodid (embedded methods).