基于遗传算法（GA）的R特征选择

什么是遗传算法（GA）？
GA中的GA。
解决方案是什么样的？
GA流程及其运营商。
健身功能。
R中的遗传算法
自己尝试一下。
关于概念。
图片标题

动画来源：“基于肌肉的双足动物运动” - Thomas Geijtenbeek

[在Twitter和LinkedIn上找到我]

项目背后的理念
想象一个黑盒子，它可以帮助我们在无限多种可能性之间做出决定，其标准是我们可以找到一个可接受的解决方案（时间和质量）来解决我们制定的问题。

什么是遗传算法？
遗传算法（GA）是一种受查尔斯达尔文自然选择思想启发的数学模型。

自然选择只保留了几代人中最适合的人。

想象一下，1900年有100只兔子。如果我们看一下今天的种群，我们将看到兔子比他们的祖先更有技巧，更擅长寻找食物。

GA中的GA
在机器学习中，遗传算法的一个用途是获取正确数量的变量以创建预测模型。

选择正确的变量子集是组合逻辑和优化的问题。

这种技术优于其他技术的优势在于它可以从最好的先前解决方案中获得最佳解决方案。一种进化算法，可以改善随时间的选择。

GA的想法是将一代又一代的不同解决方案结合起来，从每一个中提取最佳基因（变量）。通过这种方式，它可以创造新的更合适的人。

我们可以找到GA的其他用途，例如超调谐参数，找到函数的最大值（或最小值），或搜索正确的神经网络架构（神经进化）等。

特征选择中的GA
GA的