在一组相关变量中，我如何推断哪个变量子集最好地描述了其余变量？

Question

我有一个由60个传感器组成的数据集，进行了1684次测量。我希望减少实验期间使用的传感器数量，并使用剩余的传感器数据来预测(使用机器学习)删除的传感器。

我已经查看了数据(参见image)，并发现了传感器之间的几个强相关性，这应该可以删除X传感器，并使用剩余的传感器来预测它们的行为。

我如何对哪组传感器(X)进行“评分”，以最好地预测剩余的一组(60-X)？

Answer 1

你熟悉主成分分析(PCA)吗？它是方差分析(ANOVA)的产物。降维是描述这一过程的另一个术语。

这些通常针对预测单个输出的一组输入，而不是一组对等测量。为了使你的情况适应这些方法，我认为你应该首先考虑60个传感器中的每一个，依次作为“地面事实”，看看哪些可以由其余的最可靠地驱动。删除它们并重复该过程，直到达到所需的相关性阈值。

我还建议用一种遗传方法来进行这种筛选；也许随机森林在这一阶段会有所帮助。