r - 使用 Akaike 信息准则 (AIC) 和贝叶斯信息准则 (BIC) 过滤 mlr3 中的 PCA 因子?
问题描述
我想在 mlr3 中使用带有后续特征选择/过滤的 PCA。
我还没有在包/框架中找到用于这种“过滤”的 AIC 和 BIC。
这是因为它们在概念上不适合吗,例如 mlr3filters 中的所有方法在概念上都与这些信息标准不同,例如它们选择模型而不是特征?但是它们应该在 mlr_measures 下可用?
或者它们是否可以通过扩展包获得?
解决方案
推荐阅读
- c# - C# Blazor 和数据绑定到 DateTime?
- mysql - 如何在 MySQL 表中拥有一个自动递增列而不将其设为主键?
- python - 检查单词是否为英文单词时忽略标点符号
- ms-access - VB6报表标签中函数的使用
- javascript - Angular 反应式表单编辑模式,如何重新填充输入类型 = 文件?
- typescript - 当过滤器在函数中完成而不是使用 RxJS 的订阅操作时,Observable 数据的过滤不起作用
- python - 如何使用漂亮的汤从一个类中只提取一个元素?
- sql-server - Google Composer - 如何在环境中安装 Microsoft SQL Server ODBC 驱动程序
- javascript - Javascript 重构,遵循 DRY 方法 - 你将如何克隆传递给插件的选项?
- javascript - 强制 Android 平板电脑进入 MIDI USB 模式