粗糙集特征选择第13页

天池&Datawhale-零基础入门数据挖掘Task4

线性回归模型：线性回归对于特征的要求；处理长尾分布；理解线性回归模型；2、模型性能验证：评价函数与目标函数；交叉验证方法；留一验证方法；针对时间序列问题的验证；绘制学习率曲线；绘制验证曲线；3、嵌入式特征选择

微微微微辣·2023-02-01 03:59

点云智能分类研究进展与展望

本文从基元类型、提取特征、特征选择与分类器等3个视角概括了点云信息提取的相关研究现状,总结出点云信息提取存在

氧艺·2023-01-31 15:52

【知识学习】马氏距离 Mahalanobis Distance

协方差的意义2.马氏距离2.1概述2.2公式2.3实际意义2.4局限性2.4.1协方差矩阵必须满秩【不平衡数据少数类一般都不是】2.4.2不能处理非线性流形（manifold）的问题【线性流形和非线性流形，特征选择是线性降维吗

qq_44122600·2023-01-31 13:34

【文献阅读】数据重采样+特征选择（1）

目录1面向不均衡数据的多分类集成算法1.1两阶段采样1.2算法整体框架1.3实验1.4期刊2基于多阶段混合集成的中小企业信用风险评价3基于边界自适应SMOTE和FocalLoss函数改进LightGBM的信用风险预测模型3.1摘要3.2改进的过采样方法3.3基于FocalLoss改进的LightGBM算法（1）LightGBM算法（2）FLLightGBM算法3.4基于BA-SMOTE和FLLig

Tabitha_Xing·2023-01-31 13:58

机器学习第三课_数据预处理2

特征工程又包含了DataPreProcessing（数据预处理）、FeatureExtraction（特征提取）、FeatureSelection（特征选择）和Featureconstruction（特征构造

素心似锦·2023-01-30 14:40

五、数据挖掘流程简明笔记

目录1、机器学习概述2、入门案例示例3、问题定义4、特征工程4.1数据理解4.2数据预处理4.2.1数据清洗4.2.2数据转换4.2.3特征选择4.2.3.1单变量特征选定：卡方检验(chi-squared

Norni·2023-01-30 07:39

风控模型特征重要性与稳定性的分析|基于python的实操演示（示例Toad库）

常规化模型开发过程中，模型开发阶段和模型上线调用阶段的数据的使用逻辑的流程如下：在以上的开发阶段中，我们最绕不开的就是特征的选择开发与选择，在本周较早时间，我们给大家讲解了特征筛选的内容：→_→风控模型开发的特征选择与常用数据源介绍今天我们再跟大家讲解特征的稳定性与重要性分析

番茄风控·2023-01-30 04:56

toad -评分卡模型

Toad简介一个可以用作数据探查、特征选择和评分卡模型建模的python工具包。

m0_37709767·2023-01-30 04:09

论文解读：《Multi-Branch-CNN：使用多分支卷积神经网络对离子通道相互作用肽进行分类》

Classificationofionchannelinteractingpeptidesusingmulti-branchconvolutionalneuralnetwork1.文章概述2.背景3.数据4.方法4.1特征选择

风灬陌·2023-01-29 21:48

kaggle 泰坦尼克事件——随机森林算法实现

泰坦尼克事件——随机森林算法实现前言实现步骤1.引入库2.加载数据集3.具体步骤4.数据清洗5.进行特征构建6.构建新的字段，基于scikit-learn中的LabelEncoder()7.特征选择（根据实际情况进行选择

Ap21ril·2023-01-29 12:09

机器学习-特征工程实例分析

目录1.什么是特征工程2.原始数据集变量的理解与分析2.1时间序列数据分析2.2多特征数据分析3.数据缺失值处理4.特征分析4.1特征构造4.2特征选择1.什么是特征工程很多同学在拿到数据集之后不知道怎么处理

长安大学信息学院工业AI创新技术实验室·2023-01-29 11:43

详解机器学习中5大常用的特征选择方法（附代码）

作者：EdwinJarvis，cnblog博客整理在许多机器学习相关的书里，很难找到关于特征选择的内容，因为特征选择要解决的问题往往被视为机器学习的一个子模块，一般不会单独拿出来讨论。

Sim1480·2023-01-29 11:35

详解 5 大常用的特征选择方法

转自|DataWhale在许多机器学习相关的书里，很难找到关于特征选择的内容，因为特征选择要解决的问题往往被视为机器学习的一个子模块，一般不会单独拿出来讨论。

机器学习算法那些事·2023-01-29 11:34

详解5大常用的特征选择方法

Datawhale干货作者：EdwinJarvis，cnblog博客整理在许多机器学习相关的书里，很难找到关于特征选择的内容，因为特征选择要解决的问题往往被视为机器学习的一个子模块，一般不会单独拿出来讨论

数据分析v·2023-01-29 11:04

数据预处理-数据降维

或者数据维度不高但是存在共线性等情况，则可以考虑降维；对模型的计算效率与建模时效性有要求：如果对时效性要求很高，降维能够显著提升时效性，考虑降维；是否要保留完整数据特征：如果需要保留完整的数据特征，降维会有信息损失，不考虑降维二、基于特征选择的降维基于特征选择的降维指的是根据一定规则和经验

神威光·2023-01-29 04:11

机器学习框架梳理(笔记汇总)

对于无监督学习，包含：聚类、降维与度量学习、特征选择与稀疏学习、计算学习理论。其它的还包括：半监督学习、概率图学习、规则学习、强化学习。

抄书侠·2023-01-29 03:12

基于信息论和特征排序的滤波器特征选择的差分进化

Differentialevolutionforﬁlterfeatureselectionbasedoninformationtheoryandfeatureranking这篇论文是由EmrahHancer，BingXue，MengjieZhang三个学者在2016年发表的，其主要研究成果是提出了两种新的基于差分进化的滤波方法。在这里我主要和大家分享一下，关于这篇论文我的学习笔记，即对Matlab

夏虫不可语冰也·2023-01-28 16:15

关于机器学习特征选择的方法总结

机器学习特征选择的方法总结1.特征选择的重要性随着深度学习的发展，大大缩减了特征提取和设计的任务。不过，特征工程依然是各种机器学习应用领域的重要组成部分。

Chris_34·2023-01-28 16:14

浅谈关于特征选择算法与Relief的实现

一、背景1)问题在机器学习的实际应用中，特征数量可能较多，其中可能存在不相关的特征，特征之间也可能存在相关性，容易导致如下的后果：1.特征个数越多，分析特征、训练模型所需的时间就越长，模型也会越复杂。2.特征个数越多，容易引起“维度灾难”，其推广能力会下降。3.特征个数越多，容易导致机器学习中经常出现的特征稀疏的问题，导致模型效果下降。4.对于模型来说，可能会导致不适定的情况，即是解出的参数会因为

weixin_33916256·2023-01-28 15:44

fcbf特征选择步骤_图像特征提取与特征选择基本方法总结

被要求改名字·2023-01-28 15:14

特征选择----relief及reliefF算法

relief算法Relief算法最早由Kira提出，最初局限于两类数据的分类问题。Relief算法是一种特征权重算法(Featureweightingalgorithms)，根据各个特征和类别的相关性赋予特征不同的权重，权重小于某个阈值的特征将被移除。Relief算法中特征和类别的相关性是基于特征对近距离样本的区分能力。算法从训练集D中随机选择一个样本R，然后从和R同类的样本中寻找最近邻样本H，称

仰望星空_LiDAR·2023-01-28 15:12

特征选择---过滤法（特征相关性分析方差、卡方、互信息）

https://blog.csdn.net/dili8870/article/details/101506788一、绘图判断一般对于强相关性的两个变量，画图就能定性判断是否相关散点图seaborn.scatterplot#散点图矩阵初判多变量间关系data=pd.DataFrame(np.random.randn(200,4)*100,columns=['A','B','C','D'])pd.pl

lizz2276·2023-01-28 15:09

特征选择算法之 ReliefF 算法

ReliefF算法是Relief算法的扩展，Relief算法只适用于两类样本的问题，ReliefF算法可以应用到多个样本上。ReliefF算法步骤如下：现有不同类别的样本若干，对每类样本称作Xn。1.从所有样本中，随机取出一个样本a。2.在与样本a相同分类的样本组内，取出k个最近邻样本。3.在所有其他与样本a不同分类的样本组内，也分别取出k个最近邻样本。4.计算每个特征的权重。对于每个特征的权重有

YoYoDelphine·2023-01-28 15:08

利用ReliefF算法对回归特征变量做特征重要性排序，实现特征选择

利用ReliefF算法对回归特征变量做特征重要性排序，实现特征选择。通过重要性排序图，选择重要的特征变量，以期实现数据降维的目的。程序直接替换数据就可以用，程序内有注释，方便学习和使用。

「已注销」·2023-01-28 15:06

NLP学习（十五）-NLP实战之基于K－Means文本聚类-Python3

聚类过程1）特征选择(featureselection)：就像其他分类任务一样，特征往往是一切活动的基础，如何选取特征来尽可能的表达需要分类的信息是一个重要问题。表达性强的特征将很影响聚类效果。

安然烟火·2023-01-28 14:02

机器学习决策树算法泰坦尼克号乘客生存预测

apiclasssklearn.tree.DecisionTreeClassifier(criterion=’gini’,max_depth=None,random_state=None)criterion特征选择标准

赵广陆·2023-01-28 07:12

第十一章特征选择与稀疏学习

子集搜索与评价特征选择：在属性集中可能存在无用的属性，即对结果判断不重要的属性，被称为“无关特征”，而有用的属性被称为“相关特征”，而从特征集合中选择出相关特征子集的过程，被称为特征选择。

尘濯·2023-01-28 04:48

足球运动员身价估计

mse:18.27排名25目录一、竞赛概要二、数据处理三、特征选择四、模型融合一、竞赛概要本比赛为个人练习赛，主要针对于于数据新人进行自我练习、自我提高，与大家切磋。

大端DD·2023-01-27 13:15

【AlgorithmStar机器学习】AS机器学习库特征工程使用说明文档

AlgorithmStar介绍概述AS库的一般处理流程数据采集与清洗向量生成与特征提取选择机器学习后续处理AlgorithmStar使用数据类型-操作数浮点类型操作数整数类型操作数复数特征提取字典特征提取词频特征提取特征选择基于冗余排名比例去除基于相关系数去除机器学习聚合计算分类计算差异计算路径计算数据预处理

Liming07·2023-01-27 10:16

统计学习方法学习笔记（5）决策树

决策树5.1.决策树模型与学习5.2.特征选择5.3.决策树的生成5.4.决策树的剪枝5.5.CART算法决策树基本概述：算法类别：一种基本的分类和回归方法；基本结构：呈现树形结构，在分类问题中表示基于特征对实例进行分类的过程

北岛寒沫·2023-01-26 23:16

（Matlab）基于随机森林实现特征选择降维及回归预测

目录摘要：1.随机森林：2.随机森林的特征选取：3.基于Matlab自带的随机森林函数进行特征选取具体步骤（1）加载数据（2）首先建立随机森林并使用全部特征进行车辆经济性预测（3）使用随机森林进行特征选择

I_GOT_CODE·2023-01-26 15:37

CNN中卷积层和池化的作用和理解

承接上文对CNN的介绍[学习笔记P20-CNN]，下面来看看一些细节梳理：CNN框架：池化层（poolinglayer)也叫做子采样层（subsamplinglayer），其作用是进行特征选择，降低特征数量

幸运六叶草·2023-01-26 13:40

机器学习（二）---决策树算法学习

决策树学习的目标：根据给定的训练数据集构建一个决策树模型，使它能够对实例进行正确的分类决策树通常有三个步骤：特征选择、决策树的生成、决策树的修剪同时我们接下来还需

向阳而生|X·2023-01-26 08:55

3.sklearn中的数据预处理和特征工程

数据预处理与特征工程1.2sklearn中的数据预处理和特征工程2数据预处理Preprocessing&Impute2.1数据无量纲化2.2缺失值2.3处理分类型特征：编码与哑变量2.4处理连续型特征：二值化与分段3特征选择

圣骑士不该来鹊桥·2023-01-24 15:13

多变量线性回归

目录多功能多元梯度下降法多元梯度下降法Ⅰ——特征缩放均值归一化（Meannormalization）多元梯度下降法Ⅱ——学习率多项式回归和特征选择正规方程（区别于迭代方法的直接解法）梯度下降法与正则方程的优劣对比正规方程在矩阵不可逆时的解法多功能多元梯度下降法右边部分只是有多个特征量用于更新参数多元梯度下降法

Jerry学编程·2023-01-24 15:33

【机器学习】特征选择方法总结

目录：特征选择方法总结一、总结二、介绍三、过滤法(Filter)3.1单变量3.2多变量3.2.1连续型vs连续型3.2.2连续型vs类别型3.2.3类别型vs类别型3.3过滤法总结四、包裹法(Wrapper

旅途中的宽~·2023-01-23 19:06

【机器学习】特征选择参考文献

[1]《阿里云天池大赛赛题解析—机器学习篇》-天池平台[2]IntroductiontoFeatureSelectionmethodswithanexample(orhowtoselecttherightvariables?-SauravKaushik,文章链接:https://www.analyticsvidhya.com/blog/2016/12/introduction-to-feature

旅途中的宽~·2023-01-23 19:35

python数据分析与机器学习实战_Python数据分析与机器学习实战（Numpy）

scikit-learn,tensorflow机器学习需要：算法、数据、程序、评估、应用机器学习应用领域：计算机视觉、语音识别、自然语言处理、统计学习、数据挖掘、模式识别机器学习的常规套路：数据收集与预处理→特征选择与模型构建

weixin_39905500·2023-01-22 13:44

特征选择和共线性问题

1.特征选择的原因提高模型稳定性的需要提高模型预测能力的需要提高运算速度和运算效率的需要2.特征选择的过程2.1结合业务经验先行筛选很多时间业务专家一针见血的商业敏感性可以有效缩小自变量的考察范围，准确圈定最有价值的预测变量

==樛木==·2023-01-22 08:40

无监督特征选择算法综述

无监督特征选择算法Filter方法只使用数据的内在属性，不使用聚类等其他辅助方法速度快单变量InformationbasedmethodsSUD(SequentialbackwardselectionmethodforUnsupervisedData

莫知我哀·2023-01-22 07:04

python特征选择relieff图像特征优选_基于改进ReliefF的无监督特征选择方法

Abstract:AnovelmethodofunsupervisedfeatureselectionUFS-IRbasedonimprovedReliefFisproposedtosolvetheproblemoflackofcategoryinformationinfeatureselection.AstheReliefFalgorithmhasasmallsamplingprobabilit

weixin_39952502·2023-01-22 07:32

A review of unsupervised feature selection methods-无监督特征选择方法综述（六）

Areviewofunsupervisedfeatureselectionmethods-无监督特征选择方法综述（七）文中图表_aab11235的博客-CSDN博客Analysisanddiscussion

aab11235·2023-01-22 07:52

A review of unsupervised feature selection methods-无监督特征选择方法综述（二）

UFS如前一节所述，无监督特征选择（UFS）方法可以根据用于选择特征的策略分类为过滤器、包装器和混合方法。在本节中，首先，我们将文献中报告的UFS方法组织到图1所示的分类中。

aab11235·2023-01-22 07:22

A review of unsupervised feature selection methods-无监督特征选择方法综述（三）

Multivariatefiltermethods多变量过滤方法可分为三个主要组：统计/信息，生物启发和基于频谱/稀疏学习的方法。顾名思义，前者包括使用统计和/或信息论度量（如方差-协方差、线性相关、熵、互信息等）执行选择的UFS方法。另一方面，第二组包括的UFS方法，该方法使用基于群体智能范式的随机搜索策略（Beni和Wang1993；Dorigo和Gambardella1997），以找到满足某

aab11235·2023-01-22 07:22

A review of unsupervised feature selection methods-无监督特征选择方法综述（一）

J.F.Areviewofunsupervisedfeatureselectionmethods.ArtifIntellRev53,907–948(2020).https://doi.org/10.1007/s10462-019-09682-yAbsract近年来，无监督特征选择方

aab11235·2023-01-22 07:21

无监督特征选择（UFS）调研

目录1.无监督特征选择（UFS）算法概述2.任务的形式化定义3.无监督特征选择算法分类3.1Filtermethod3.2Wrappermethod3.3Embeddedmethod(也叫Hybridmethod

蓝田心语·2023-01-22 07:20

【机器学习】十、分类和回归树CART原理

上一节介绍了决策树的ID3和C4.5算法，后面说到了C4.5算法存在几点不足，主要为，生成多叉树；容易过拟合；只能用于分类；特征选择

Asher117·2023-01-22 07:20

常用特征选择方法及python代码

特征选择数据集中存在大量冗余的变量时不仅有损模型性能，而且还会带来建模成本的提升，因此，进行特征选择还是很有必要的。

机器不爱学习·2023-01-21 14:32

python 特征选择方法_机器学习小窍门：Python 帮你进行特征选择

翻译|胡瑛皓、程炜校对|龙柯宇整理|MY特征选择，也就是从数据集中找出并选择最有用特征的过程，是机器学习工作流中一个非常重要的步骤。

CellMax·2023-01-21 09:01

机器学习中的数据清洗与特征处理综述

目录1、采样：2、数据清洗3、特征分类4、特征处理与分析5、特征降维6、特征选择7、特征监控8、参考1、采样：分类问题：选取正例，负例，比例确定。

不吃鱼的喵_sweet·2023-01-21 08:53

推荐频道

粗糙集特征选择