{
  "id": 109121,
  "title": "Feature Selection",
  "url": "/competitions/banco-galicia-dataton-2019/discussion/109121",
  "author_name": "",
  "post_date": "2019-09-16T17:01:13.347864600Z",
  "votes": null,
  "comment_count": 1,
  "views": 0,
  "content": "<p>Buenas tardes, \nPrimero me gustaría agradecer al Banco Galicia por la oportunidad de participar en esta competencia. Aprendí un montón!\nMi pregunta a la comunidad en general es que estrategia utilizaron para reducir la dimensionalidad.</p>\n\n<p>Lucila</p>",
  "messages": [
    {
      "id": "627988",
      "postDate": "09/16/2019 17:01:13",
      "content": "<p>Buenas tardes, \nPrimero me gustaría agradecer al Banco Galicia por la oportunidad de participar en esta competencia. Aprendí un montón!\nMi pregunta a la comunidad en general es que estrategia utilizaron para reducir la dimensionalidad.</p>\n\n<p>Lucila</p>",
      "rawMarkdown": "Buenas tardes, \nPrimero me gustaría agradecer al Banco Galicia por la oportunidad de participar en esta competencia. Aprendí un montón!\nMi pregunta a la comunidad en general es que estrategia utilizaron para reducir la dimensionalidad.\n\nLucila",
      "votes": null
    },
    {
      "id": "628038",
      "postDate": "09/16/2019 18:10:08",
      "content": "<p>Hola Lucille!\nUse mayormente LightGBM (decision tree) entonces no necesité nada especifico para quitar colinearidad de las features dado que no afecta a ese modelo. Lo que si hice fue eliminar features con muy poca o ninguna varianza o con muy baja correlación respecto al target. Solamente con eso y dependiendo los umbrales que usé andaba en 150-250 features.</p>",
      "rawMarkdown": "Hola Lucille!\nUse mayormente LightGBM (decision tree) entonces no necesité nada especifico para quitar colinearidad de las features dado que no afecta a ese modelo. Lo que si hice fue eliminar features con muy poca o ninguna varianza o con muy baja correlación respecto al target. Solamente con eso y dependiendo los umbrales que usé andaba en 150-250 features.",
      "votes": null
    }
  ],
  "comments": [
    {
      "id": 628038,
      "author_name": "ppppmat",
      "author_url": "",
      "post_date": "09/16/2019 18:10:08",
      "content": "<p>Hola Lucille!\nUse mayormente LightGBM (decision tree) entonces no necesité nada especifico para quitar colinearidad de las features dado que no afecta a ese modelo. Lo que si hice fue eliminar features con muy poca o ninguna varianza o con muy baja correlación respecto al target. Solamente con eso y dependiendo los umbrales que usé andaba en 150-250 features.</p>",
      "votes": null,
      "replies": []
    }
  ],
  "raw_markdown_by_id": {
    "627988": "Buenas tardes, \nPrimero me gustaría agradecer al Banco Galicia por la oportunidad de participar en esta competencia. Aprendí un montón!\nMi pregunta a la comunidad en general es que estrategia utilizaron para reducir la dimensionalidad.\n\nLucila",
    "628038": "Hola Lucille!\nUse mayormente LightGBM (decision tree) entonces no necesité nada especifico para quitar colinearidad de las features dado que no afecta a ese modelo. Lo que si hice fue eliminar features con muy poca o ninguna varianza o con muy baja correlación respecto al target. Solamente con eso y dependiendo los umbrales que usé andaba en 150-250 features."
  },
  "source": "meta"
}