R中多分类降维的最快方法
Fastest way to reduce dimensionality for multi-classification in R
What I currently have:
我有一个数据框，其中有一列名为 "Class" 的因子，其中包含 160 个不同的 类。我有 1200 个变量，每个变量都是整数，并且没有单个单元格的值超过 1000（如果有帮助的话）。大约 1/4 的单元格是数字零。整个数据集包含 60,000 行。我已经使用 nearZeroVar 函数和 findCorrelation 函数将其降低到这个数量的变量。在我的特定数据集中，一些单独的变量本身可能显得不重要，但与其他两个变量结合使用时可能具有预测性。
What I have tried:
首先，我尝试创建一个 运行dom 森林模型，然后计划使用 varimp 属性 来过滤掉无用的东西，让它 运行 几天后就放弃了。然后我尝试使用 fscaret，但是 运行 在具有 64GB RAM 的 8 核机器上过夜（与之前的尝试相同）并且没有完成。然后我尝试了：
Feature Selection using Genetic Algorithms 那 运行 一夜之间也没有完成。我试图使主成分分析工作，但由于某种原因不能。我从来没有能够在 Caret 中成功地进行 PCA，这可能是我的问题和解决方案。我可以按照网络上的所有 "toy" 演示示例进行操作，但我仍然认为我的案例中遗漏了一些东西。
What I need:
我需要一些方法来快速降低数据集的维数，以便可以将其用于创建模型。也许一个好的起点是将 PCA 与使用 Caret 的数据集一起使用的示例。当然，我很高兴听到任何其他可能让我摆脱现在所处的流沙的想法。
我也只是做了一些玩具例子。
不过，这里有一些想法不适合发表评论。
你所有的属性似乎都是数字。也许 运行 您的数据集上的朴素贝叶斯算法会给出一些合理的分类？然后，假设所有属性都相互独立，但经验表明/many scholars say that NaiveBayes results are often still useful，尽管有很强的假设？
如果您绝对必须进行属性选择，例如作为作业的一部分：
您是否尝试过使用免费的基于 GUI 的数据挖掘工具 Weka 来处理您的数据集？有一个 "attribute selection" 选项卡，您可以在其中使用多种算法（或算法组合）来删除不相关的属性供您使用。这是一门艺术，但结果并不那么容易解释。
阅读 this pdf as an introduction and see this video 了解理论方法的演练和介绍。
这些视频假定您熟悉 Weka，但也许它仍然有帮助。
有一个 RWeka 界面，但安装起来有点费力，因此使用 Weka GUI 可能更容易。
What I currently have:
我有一个数据框，其中有一列名为 "Class" 的因子，其中包含 160 个不同的 类。我有 1200 个变量，每个变量都是整数，并且没有单个单元格的值超过 1000（如果有帮助的话）。大约 1/4 的单元格是数字零。整个数据集包含 60,000 行。我已经使用 nearZeroVar 函数和 findCorrelation 函数将其降低到这个数量的变量。在我的特定数据集中，一些单独的变量本身可能显得不重要，但与其他两个变量结合使用时可能具有预测性。
What I have tried:
首先，我尝试创建一个 运行dom 森林模型，然后计划使用 varimp 属性 来过滤掉无用的东西，让它 运行 几天后就放弃了。然后我尝试使用 fscaret，但是 运行 在具有 64GB RAM 的 8 核机器上过夜（与之前的尝试相同）并且没有完成。然后我尝试了： Feature Selection using Genetic Algorithms 那 运行 一夜之间也没有完成。我试图使主成分分析工作，但由于某种原因不能。我从来没有能够在 Caret 中成功地进行 PCA，这可能是我的问题和解决方案。我可以按照网络上的所有 "toy" 演示示例进行操作，但我仍然认为我的案例中遗漏了一些东西。
What I need:
我需要一些方法来快速降低数据集的维数，以便可以将其用于创建模型。也许一个好的起点是将 PCA 与使用 Caret 的数据集一起使用的示例。当然，我很高兴听到任何其他可能让我摆脱现在所处的流沙的想法。
我也只是做了一些玩具例子。
不过，这里有一些想法不适合发表评论。
你所有的属性似乎都是数字。也许 运行 您的数据集上的朴素贝叶斯算法会给出一些合理的分类？然后，假设所有属性都相互独立，但经验表明/many scholars say that NaiveBayes results are often still useful，尽管有很强的假设？
如果您绝对必须进行属性选择，例如作为作业的一部分：
您是否尝试过使用免费的基于 GUI 的数据挖掘工具 Weka 来处理您的数据集？有一个 "attribute selection" 选项卡，您可以在其中使用多种算法（或算法组合）来删除不相关的属性供您使用。这是一门艺术，但结果并不那么容易解释。
阅读 this pdf as an introduction and see this video 了解理论方法的演练和介绍。
这些视频假定您熟悉 Weka，但也许它仍然有帮助。 有一个 RWeka 界面，但安装起来有点费力，因此使用 Weka GUI 可能更容易。