特征选择

功能强大的python包（五）：sklearn（机器学习）

sklearn集成了数据预处理、数据特征选择、数据特征降维、分类\回归\聚类模型、模型评估等非常全面算法。
可爱多多少·2023-07-15 00:15

C#使用Visual Studio2022自带的Machine Learning自动生成数据模型，并使用生成的模型进行结果预测

添加机器学习功能，右击项目->添加->MachineleaningModel跟具自身训练数据特征选择合适模型进行训练，数据放置Excel按一步步提示导入即可生成MLModel.zip模型通过调用该模型对新数据进行结果预测程序结构
AI程序猿·2023-07-14 16:40

【RF-SSA-LSTM】随机森林-麻雀优化算法优化时间序列预测研究（Python代码实现）

本文目录如下：目录1概述2运行结果2.1RF特征选择2.2LSTM预测2.3SSA-LSTM预测2.4MLP预测2.5几种算法比较3参考文献4Python代码实现1概述参考文献：RF：随机森林指的是利用多棵树对样本进行训练并预测的一种分类器
紫极星光·2023-06-23 21:22

python机器学习——机器学习相关概念 & 特征工程

目录机器学习特征工程1.特征抽取2.特征处理2.1归一化：传统精确小数据2.2标准化：大多数情况3.数据降维3.1特征选择3.2主成分分析PCA案例：超市订单分析机器学习监督学习：输入数据有特征有标签，
Perley620·2023-06-23 01:28

21机器学习开放基础课程--特征工程和特征选择

特征工程和特征选择通过特征提取、特征转换、特征选择三个过程介绍数据预处理方法，特征提取将原始数据转换为适合建模的特征，特征转换将数据进行变换以提高算法的准确性，特征选择用来删除无用的特征。
Jachin111·2023-06-23 00:18

对正则化的理解

正则化L1正则化就是在原本的损失函数L0的基础上，加上模型参数的1范数的和与参数量n的比值，如下：对L1正则化后的损失函数进行优化会令模型参数wi趋向于0，产生稀疏解，相当于减小了网络复杂度，具有一定的特征选择能力
静待梅花开·2023-06-22 23:02

population预测-1

然后需要对数据进行清洗和预处理，如缺失值填充、特征选择、离散化等。接下来您需要选择合适的算法进行模型训练，如决策树、线性回归等。这些算法可以通过PyTorch的API实现。
有梦想的咕噜·2023-06-21 09:42

卷积神经网络CNN-池化层

池化层（Poolinglayer）在CNN中负责特征选择，池化层通常也叫做子采样（subsampling）或降采样（Downsampling）。
好菜一男的·2023-06-21 07:43

使用两种脉冲神经网络（Spiking Neural Network）预测脑电图的癫痫发作：基于LIF神经元模型的实践与分析

在此，我会详细地描述我们的研究过程，包括数据获取、特征选择以及模型构建等步骤。希望在阅读完这篇文章之后，你可以对脉冲神经网络和它在处理脑电图数据中的应用有
快撑死的鱼·2023-06-20 08:54

特征选择:过滤法，嵌入法，包装法

特征选择时首先要去除冗余特征。它是由其他其他的特征中推演出来的。比如，一个球的体积，那么半径这个特征就是冗余的，因为我们可以由球的体积推算半径。
小瓶盖的猪猪侠·2023-06-19 08:07

数据降维、特征提取和特征选择的联系和区别

结论：特征提取（featureextraction）和特征选择（featureselection）两者的目标都是使得特征维度减少，但是方法不一样。
小成小成小成·2023-06-18 16:28

【2023年最新】提高分类模型指标的六大方案详解

文章目录数据增强特征选择调整模型参数模型集成迁移学习模型解释完结当今，机器学习模型得到了广泛的应用，其中分类模型是其中最常见和重要的一种。
全栈若城·2023-06-18 08:33

特征提取与特征选择

一、特征选择和特征提取特征选择（featureselection）和特征提取（Featureextraction）都属于降维（Dimensionreduction）这两者达到的效果是一样的，就是试图去减少特征数据集中的属性
纯氧゜·2023-06-18 06:11

决策树

79525237https://github.com/WordZzzz/ML/blob/master/Ch03/lenses.txt定义决策树（decisiontree）是一种基本的分类与回归方法决策树通常有三个步骤：特征选择
limus·2023-06-16 12:40

树模型学习笔记整理

树模型学习笔记整理一、原理二、特征选择2.1信息增益2.2信息增益比三、生成算法3.1ID3算法3.2C4.5的生成算法四、决策树的剪枝五、CART算法5.1CART生成5.2分类树的生成5.3CART
__Lu__·2023-06-16 05:09

计算机视觉概述

我们应该重视特征选择重要的方面。选择应该围绕以下几点：
cainiao_dong·2023-06-16 04:29

[PED07]Feature Selection for Clustering:A Review聚类特征选择综述

降维技术可以分为特征提取（featureextraction）和特征选择（featuresel
张小甜甜·2023-06-16 01:55

【RF-SSA-LSTM】随机森林-麻雀优化算法优化时间序列预测研究（Python代码实现）

本文目录如下：目录1概述2运行结果2.1RF特征选择2.2LSTM预测2.3SSA-LSTM预测2.4MLP预测2.5几种算法比较3参考文献4Python代码实现1概述参考文献：RF：随机森林指的是利用多棵树对样本进行训练并预测的一种分类器
紫极星光·2023-06-15 17:02

《机器学习公式推导与代码实现》-chapter7决策树

决策树模型的核心概念包括特征选择方法、决策
Jiawen9·2023-06-15 16:22

数据挖掘各流程中常用方法总结（二）

数据挖掘各流程中的常用方法（二）数据预处理特征选择特征编码分类型特征独热编码（One-hotEncoder）标签编码（labelEncoder）序列编码（OrdinalEncoder）数值型特征取整和缩放分箱特征标准化
云流寂川·2023-06-14 19:53

Python3数据分析与挖掘建模（15）特征选择与特征变换

1特征选择1.1概述特征选择是一种剔除与标注不相关或冗余的特征的方法，以减少特征集的维度和复杂性，并提高模型的性能和解释能力。特征选择的目标是选择那些对目标变量有预测能力且与其他特征不冗余的特征。
鮀城小帅·2023-06-14 11:36

python数据挖掘与机器学习实践技术

旨在掌握Python编程的基础知识与技巧、特征工程（数据清洗、变量降维、特征选择、群优化算法）、回归拟合（线性回归、BP神经网络、极限学习机）、分类识别（KNN、贝叶斯分类、支持向量机、决策树、随机森林
科研小白 新人上路·2023-06-14 09:09

Matlab实现决策树算法（附上完整仿真源码）

文章目录1.数据预处理2.构建决策树模型3.测试模型4.可视化决策树5.总结6.完整仿真源码下载1.数据预处理在使用决策树算法之前，需要对数据进行预处理，包括数据清洗、缺失值处理、特征选择等。
Matlab仿真实验室·2023-06-13 12:01

使用matlab完成对鸢尾花数据集的特征选择、主成分分析（PCA）、核主成分分析（KPCA）、线性判别分析（LDA）的若干处理

pwd=qb6r提取码：qb6r特征选择：将每个特征在封装函数内调用，使用matlab自带的梯度下降的神经网络内置函数进行训练。
铭....·2023-06-12 22:22

信用评分卡python实战

结合信用评分卡的建立原理，从数据的预处理、变量选择、建模分析到创建信用评分，创建了一个简单的信用评分系统进行在贷前风险控制;以最大收益化放款给用户流程：(一):导入数据(二):数据预处理(三):探索分析(四):特征选择
chfing·2023-06-12 12:18

机器学习中的特征工程（五）---- 特征选择方法

简介大概是今年6月份参加微信大数据挑战赛的时候，我才开始认识到特征选择也是机器学习中非常重要的一环。
HaloZhang·2023-06-11 18:12

PCA主成分分析

传统的特征提取方法：基于图像本身的特征进行提取（PCA）；深度学习方法：基于样本自动训练出区分图像的特征分类器；特征选择（featureselection）和特征提取（Featureextraction
@kc++·2023-06-11 12:14

【机器学习基础 3】 sklearn库

目录一、sklearn库简介二、sklearn库安装三、关于机器学习四、sklearn库在机器学习中的应用1、数据预处理2、特征提取3、模型选择与评估五、常用的sklearn函数1、数据集划分2、特征选择
鸢想睡觉·2023-06-11 11:04

学习计划

今天列下具体的学习计划以及知识点汇总推荐算法：CF，LR，SVM，FM，FTRL，GBDT，RF，SVD，RBM，RNN，LSTM，RL数据挖掘：分类，聚类，回归，降维，特征选择，模型评价数学：微积分，
中年危机3·2023-06-11 04:17

【python】数据挖掘分析清洗——特征选择（特征筛选）方法汇总

目录前言一、过滤法1.1基于方差1.2相关系数二、包裹式2.1随机森林2.2XGBoost重要性分析2.3SFS序列前向选择算法（SequentialForwardSelection）三、嵌入式3.1SVC总结本文链接：https://blog.csdn.net/weixin_47058355/article/details/130400400?spm=1001.2014.3001.5501前言特
blankxxc·2023-06-10 08:43

【python】数据挖掘分析清洗——特征选择筛选(降维)方法汇总

目录前言一、PCA降维技术二、SVD三、因子分析总结本文链接：前言特征降维是指通过某种方法将高维数据转换为低维数据的过程，同时尽可能地保留原始数据中的信息。在实际应用中，我们经常会面对大量的高维数据，如何有效地处理这些数据，发现其中潜在的规律和关系，是很重要的问题。特征降维可以帮助我们减少数据量和计算复杂度，并且可以避免过拟合等问题。数据如下图所示一、PCA降维技术PCA（PrincipalCom
blankxxc·2023-06-10 08:43

机器学习_特征值的选择

数据的降维简介VariancerThreshouldsklearn降维APIPCA(主成分分析)简介特征选择原因:冗余：部分特征的相关度高，容易消耗计算性能噪声：部分特征对预测结果有负影响.特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征
我是小水水啊·2023-06-10 04:38

特征选择及特征提取

特征什么是特征：举个例子：一个妹子很好看，好看的在哪里？腿长（特征1），白（特征2），性格开朗（特征3）那么可以概括为好看妹子的特征是[腿长，白，性格开朗]特征类型：•相关特征：对于学习任务（例如分类问题）有帮助，可以提升学习算法的效果比如：腿长，白•无关特征：对于我们的算法没有任何帮助，不会给算法的效果带来任何提升比如：性格好（性格好的妹子不一定好看，好看的妹子不一定性格好）•冗余特征：不会对我
LYRIQ777·2023-06-09 04:24

06 特征工程 - 特征选择

05特征工程-缺省值填充当做完特征转换后，实际上可能会存在很多的特征属性，比如：多项式扩展转换、文本数据转换等等，但是太多的特征属性的存在可能会导致模型构建效率降低，同时模型的效果有可能会变的不好，那么这个时候就需要从这些特征属性中选择出影响最大的特征属性作为最后构建模型的特征属性列表。在选择模型的过程中，通常从两方面来选择特征：1、特征是否发散：如果一个特征不发散，比如方差接近于0，也就是说这样
白尔摩斯·2023-06-09 03:42

数据预处理、数据工程 + 代码

导言数据预处理关注的问题：缺失值，异常值，重复值，空值（空字符串/空格）数据分布问题：正态化变化数据量均衡问题：重采样（上下采样）数据大小问题：数据降温，特征选择模型训练需要数据：特征缩放，特征转换数据分布不均衡调整原始分布趋于正态分布
noobiee·2023-06-08 15:32

python 面试常考题

L1正则化：通过增加模型的L1范数作为正则化项，强制权重向量中的大部分分量为0，从而实现特征选择的效果。L1正则化可以减少特征数目，提高模型的泛化能力。L2正则
医学小达人·2023-06-08 05:32

机器学习常识 13: PCA

摘要:主成分分析(principalcomponentanalysis,PCA)是一种有理论依据的无监督特征提取的线性方法.1.特征选择与特征提取特征选择是指从已有的特征里面选择出一个子集.例如:身高、
闵帆·2023-06-08 03:25

毕业设计 英雄联盟数据分析与预测 -大数据分析 可视化 机器学习

LightGBM分类实战Step1：函数库导入Step2：数据读取/载入Step3：数据信息简单查看Step4:可视化描述Step5：利用LightGBM进行训练与预测Step7:利用LightGBM进行特征选择
DanCheng-studio·2023-06-08 01:36

【群智能算法改进】一种改进的蝴蝶优化算法 改进蝴蝶优化算法 改进BOA[1]【Matlab代码#35】

5.资源获取6.参考文献【获取资源请见文章第5节：资源获取】1.原始蝴蝶优化算法蝴蝶优化算法BOA是一种受启发于蝴蝶种群活动的最新群体智能优化算法，已经广泛应用在WSNs定位、空气质量预警、工程优化、特征选择和云计
唱跳rap篮球的代表·2023-06-07 15:32

【特征选择】基于二进制粒子群算法的特征选择方法（GRNN广义回归神经网络分类）【Matlab代码#32】

文章目录【可更换其他算法，`获取资源`请见文章第6节：资源获取】1.特征选择问题2.二进制粒子群算法3.广义回归神经网络（GRNN）分类4.部分代码展示5.仿真结果展示6.资源获取【可更换其他算法，获取资源请见文章第
唱跳rap篮球的代表·2023-06-07 15:47

【时间序列】数据集比较复杂的特征提取、特征选择

目录1、使用各种工具箱和函数来进行特征提取2、特征提取hctsa1、使用各种工具箱和函数来进行特征提取MATLAB中可以使用各种工具箱和函数来进行特征提取，常用的包括：<
嵌入式职场·2023-04-21 17:57

【python】选择特征达成数据降维

使用特征选择的方式进行数据降维。VT——方差选择法首先计算每个特征的方差，对于未到阈值的方差特征做消除处理。
青木1909·2023-04-21 06:13

递归特征消除和K折交叉验证(以决策树回归为例)

与特征选择不同的是递归特征消除后不会输出权值导入相应模块importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdfromsklearn.treeimportDecisionTreeRegressorfromsklearn.feature_selectionimportRFECV
莫卡的小星星·2023-04-21 06:13

python 随机森林_利用随机森林来进行特征选择（Python代码实现）

当数据集的特征过多时，容易产生过拟合，可以用随机森林来在训练之后可以产生一个各个特征重要性的数据集，利用这个数据集，确定一个阈值，选出来对模型训练帮助最大的一些特征，筛选出重要变量后可以再训练模型；本文所用数据集是从kaggle网站上下载的lendclub数据，通过随机森林筛选出对预测是否逾期的重要性变量：#首先导入数据，查看数据集的基本情况：df=pd.read_csv('loan.csv')d
weixin_39604516·2023-04-21 06:12

REF特征选择方法的原理+用法+误区

原理给定一个外部的估计器，可以对特征赋予一定的权重（比如，线性模型的相关系数），recursivefeatureelimination(RFE)通过考虑越来越小的特征集合来递归的选择特征。首先，评估器在初始的特征集合上面训练并且每一个特征的重要程度是通过一个coef_属性或者feature_importances_属性来获得。然后，从当前的特征集合中移除最不重要的特征。在特征集合上不断的重复递归这
comli_cn·2023-04-21 06:51

随机森林的REF递归特征消除法来筛选特征（python实现不依赖sklearn)

随机森林的REF递归特征消除法是一种基于模型的特征选择方法。它通过构建随机森林模型，并反复训练模型来评估每个特征的重要性，从而递归地消除不重要的特征。
酒与花生米·2023-04-21 06:19

单细胞转录组数据分析课件||3. Normalization of scRNA-seq data

特征选择的几种方法urlThislecturebyHeliPessa(UniversityofHelsinki)ispartofthecourse"SinglecellR
周运来就是我·2023-04-20 20:09

消费金融信用评分卡(A卡) Python建模实践项目

结合信用评分卡的建立原理，从数据的预处理、变量选择、建模分析到创建信用评分，创建了一个简单的信用评分系统进行在贷前风险控制;以最大收益化放款给用户流程：(一):导入数据(二):数据预处理(三):探索分析(四):特征选择
chfing·2023-04-20 19:31

如何进行变量筛选和特征选择(二)？最优子集回归

01模型简介最优子集回归是多元线性回归方程的自变量选择的一类方法。从全部自变量所有可能的自变量组合的子集回归方程中挑选最优者。如m个自变量会拟合2m-1个子集回归方程,然后用回归方程的统计量作准则(如交叉验证误差、Cp、BIC、调整R2等指标)从中挑选。采用的R包是leaps，函数是regsubsets()。结合一个线性回归的例子，和大家分享一下如何运用R软件实现最优子集回归。02加载数据加载包和
小易学统计·2023-04-20 19:07

机器学习：基于心脏病数据集的XGBoost分类预测

目录一、简介原理：二、实战演练1.数据准备2.数据读取/载入3.数据预处理4.可视化处理5.对离散变量进行编码6.模型训练与预测7.特征选择8.通过调整参数获得更好的效果核心参数调优网格调参法一、简介XGBoost
牛大了2023·2023-04-19 18:16
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他