机器学习问题中参数的相互依赖性

Question

假设我们有来自学生班级的10-D数据。数据涉及名称，成绩，课程，否等参数。课堂上所有学生的讲座时间等。现在，我们想分析 No的影响。 成绩上的课时 如果我们密切关注我们的参数，学生的姓名与成绩无关，但学生“课程可能会对等级。

因此，可能存在彼此依赖的参数，而其他参数可以完全独立。我的问题是，我们如何确定哪个参数对我们的分类/回归问题有影响，哪些不对？

PS：我不是在寻找确切的解决方案。如果有人可以向我显示谷歌搜索的正确方向或关键字，那就足够了。 谢谢。

Answer 1

您正在寻找的技术称为dimension reduction。斯坦福machine learning class超越了一种方法（principal component analysis）。

Answer 2

这是independent component analysis的问题。 ICA是一系列用于查找统计独立的数据集组件的方法。这是一个难题，并且存在大量用于寻找良好解决方案的算法。一种流行的算法是FastICA。

还有whitening和decorrelation的相关概念。