粗糙集特征选择

sklearn特征选择出现的错误ValueError: Unknown label type

ValueError:Unknownlabeltype:(array([0.02,-0.01,0.,…,0.7,-0.43,0.07]),)在网上查到的解决方法整理：1.给数据乘上一个数：例如：10，100或1000…让数据的最小非零数在数据的个位以上。2.使用astype(‘int’)将label数据转换成整型fit(train_x,train_y.astype(‘int’))，不能是浮点型，会
Maverick_09·2023-01-02 14:30

sklearn-降维算法

n_components=None,copy=True,whiten=False,svd_solver=’auto’,tol=0.0,iterated_power=’auto’,random_state=None)特征选择是从已存在的特征中选取携带信息最多的
CHEN的小喵·2023-01-02 12:44

【特征降维】使用sklearn实现特征降维

2.降维的两种方式特征选择主成分分析PCA（可以理解成一种特征提取的方式）2.1特征选择2.1
想做一只快乐的修狗·2023-01-02 12:43

机器学习之特征工程

机器学习之特征工程目录一、特征工程——概述二、特征工程——数据预处理三、特征工程——特征选择四、特征工程——降维一、特征工程——概述特征工程是数据分析中最耗时间和精力的一部分工作。
VEkoing·2023-01-02 08:50

机器学习理论之（9）：特征选择 Feature Selection

文章目录为什么要进行特征选择特征选择的主要目标其他目标特征选择的方法Filtering过滤法PointwiseMutualInformation(PMI)逐点互信息法Mutualinformation(
暖仔会飞·2023-01-02 07:16

深度学习基础算法梳理

深度学习无需特征选择过程，具有较强的自学习能力，能拟合任意函数。2、算法列表2.1感知器感知器是由神经元，组成的一个基本的线性深度学习模型。用来解决线性分类问题。
小黑上街·2023-01-02 03:45

决策树python实现及常见问题总结

一、概述决策树是一种基于树结构，使用层层推理来解决分类（回归）问题的算法决策树由下面几种元素构成：决策树模型的三个步骤特征选择决策树生成决策树剪枝二、特征选择根据特征选择不同方法有三种经典的决策树算法：
vinojie·2023-01-01 15:52

机器学习基本算法思想和步骤

线性回归公式三、K-means算法四、正则化五、boosting和bagging六、深度学习的定义，特征七、生成式和判别式模型八、SVM九、SVM概念十、BP神经网络十一、决策树十二、stacking十三、特征选择十四
两面包+芝士·2023-01-01 14:26

CancerSubtypes包的介绍（根据生信技能树Jimmy老师分享的乳腺癌分子分型包资料整理）

1.引言2.数据处理2.1基本处理2.1.1通过检查数据分布来分析原始数据2.1.2具有缺失值(NA)特征的数据插补2.1.3数据标准化2.2特征选择2.2.1基于最大方差的特征选择2.2.2基于最大方差的绝对中位差的特征选择
weixin_51547801·2023-01-01 13:29

《吴恩达机器学习》15 异常检测

异常检测前言一、高斯分布1、问题描述2、算法二、异常检测方法应用1、应用方式2、异常检测与监督学习比较3、特征选择三、多变量的高斯分布总结前言异常检测首先不是检测机器学习算法中的异常，也不是一个算法，它指的是一种应用场景
JockerWong·2023-01-01 13:18

Structured Sparse Non-negative MatrixFactorization with -L_{2,0}-Norm文献简读

为了进行特征选择提出了以下模型：为了去掉限制条件，将上式转化为（）：具体优化方法：其中D_h^t,D_w^t表示Lipschitzcontinuo
atease0001·2023-01-01 13:15

特征工程（机器学习）

目录特征构造特征选择特征提取常用的特征提取方法有特征工程就是一个从原始数据提取特征的过程，这些特征可以很好地描述这些数据，并且利用它们建立的模型在未知数据上的性能可以达到最优；特征工程主要包括特征构造（
谭盐.·2023-01-01 11:43

决策树算法（转载）

目录1.概述1.1算法导入1.2决策树定义1.3决策树发展1.4结构1.5从树到规则2.决策树的构建2.1基本原理2.2特征选择2.3实例分析--ID32.4增益率--C4.5算法2.5基尼指数--CART
xaut0420·2023-01-01 08:51

几种特征选择方法的比较，孰好孰坏？

在本文中，重点介绍特征选择方法基于评估机器学习模型的特征重要性在各种不可解释(黑盒)及可解释机器学习方法上的表现。
喜欢打酱油的老鸟·2022-12-31 17:18

（干货）结合Scikit-learn介绍几种常用的特征选择方法

系统版本：window7（64bit）python版本：python3.5我的GitHub：https://github.com/weepon写在前面：前段时间正好用到特征选择的知识，有幸读到这篇文章，
weepon·2022-12-31 17:17

结合Scikit-learn介绍几种常用的特征选择方法

http://blog.csdn.net/key_v/article/details/48008725此文系转载,原文地址:http://chaoslog.com/te-zheng-xuan-ze.html特征选择
徐不依·2022-12-31 17:47

数据挖掘之特征选择

作者：EdwinJarvis特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。
peterchan88·2022-12-31 17:15

常用的特征选择算法介绍

结合Scikit-learn介绍几种常用的特征选择方法原文http://dataunion.org/14072.html主题特征选择scikit-learn特征选择(排序)对于数据科学家、机器学习从业者来说非常重要
chenpe32cp·2022-12-31 17:13

降维和特征选择的对比介绍

在machinelearning中，特征降维和特征选择是两个常见的概念，在应用machinelearning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。
deephub·2022-12-31 17:10

正则L1和L2，以及L1不可导的处理（Proximal Algorithm近端算法）

L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，可以用于特征选择。使用场景：输入特征的维度很高,而且是稀疏线性关系。
姬香·2022-12-31 10:40

肯德尔秩相关系数matlab,常用的特征选择方法之 Kendall 秩相关系数

前面我们已经讨论了Pearson相关系数和Spearman秩相关系数，它们可以检测连续变量间的相关性，并且Spearman秩相关系数还能够检测有序的离散变量间的相关系数。今天我们再讨论一个能够检测有序变量相关性的系数：Kendall秩相关系数。这里有序变量既包括实数变量，也包括可以排序的类别变量，比如名次、年龄段等。Kendall秩相关系数的定义Kendall秩相关系数是一个非参数性质(与分布无关
王梓键·2022-12-31 09:50

自然语言处理复习提纲

segmentation最大匹配(正向/逆向/双向消歧.)最大最小匹配(发现歧义)全切分/最大可能切分词性标注规则方法(词典+规则+消歧)语言模型高维稀疏ZipfLawfrequency*rank=constant特征选择互信息零概率平滑
MatrixCancer·2022-12-31 08:12

ML 算法总结

通常采取交叉验证法来选取最优k值决策树（Decisiontree）是一种基本的分类与回归方法，常用算法有ID3、C4.5与CART决策树学习通常包括3个步骤：特征选择、决策树生成和决策树的修剪。
自行车�·2022-12-31 06:09

【转】[特征选择] An Introduction to Feature Selection 翻译

中文原文链接：http://www.cnblogs.com/AHappyCat/p/5318042.html英文原文链接:AnIntroductiontoFeatureSelection下面的中文译文侧重从原理上进行解释，但是在实际的应用中往往侧重的是实现过程，可以看考这个链接，描述的比较详细，需要细细的学习：http://blog.csdn.net/bryan__/article/details
weixin_30608131·2022-12-30 17:15

【学习笔记】机器学习算法（三）基于LightGBM的分类预测

这里写自定义目录标题一、LightGBM简介优缺点二、学习目标三、实例：基于英雄联盟数据集的LightGBM分类实践3.1代码流程3.2数据集3.3模型训练3.4利用LightGBM进行特征选择3.5调参一
HLLOVELZ·2022-12-30 11:07

卡方检验用于特征选择(二)

卡方检验用于检验观测到的数据是否服从特定多项分布。假设一组数据样本即有2个整数"1"，2个整数"2"和1个整数"3"。如果要判断这个多项分布的概率是否等于，便需要使用卡方检验了。卡方检验的主要步骤如下:步骤1.建立零假设和备选假设。并限定显著性水平为。步骤2.我们选择一个合适统计量。步骤3.查卡方检验临界值表。待检测多项分布是3维概率，我们采用n=2（自由度为2）所对应的行；显著性水平为，我们采用
xiaocong1990·2022-12-30 08:31

利用卡方检验进行特征选择

1统计学上卡方检验卡方检验就是统计样本的理论频次和实际频次的吻合程度或拟合优度。卡方值越大，二者偏离程度就越大。卡方值为0，则表明与理论值完全相符。其计算公式如下：，其中，为实际值，为理论值。以喝牛奶和感冒发病率之间的数据为例，感冒不感冒合计感冒率喝牛奶439613930.94%不喝牛奶288411225.00%合计7118025128.29%其计算代码如下：importpandasaspdimp
Sun_Sherry·2022-12-30 08:01

卡方检验用于特征选择

卡方检验是特征选择中常用的算法之一。
Qiang__zi·2022-12-30 08:00

1 - 基于卡方检验的特征选择

基于卡方检验的特征选择，更多也可参考http://nlp.stanford.edu/IR-book/html/htmledition/feature-selectionchi2-feature-selection
shuzfan·2022-12-30 08:29

卡方检验特征选择

segmentfault.com/a/1190000003719712http://blog.csdn.net/shuzfan/article/details/52993427卡方检验，或称x2检验，是一种常用的特征选择方法
code_caq·2022-12-30 08:28

4、特征选择(filter)：卡方检验特征筛选

卡方检验特征筛选一、卡方检验（Chi-SquaredTest）基本原理二、离散变量之间的卡方检验2.1、提出假设2.2、采集数据2.3、计算统计量2.4、事件发生概率计算与统计推断三、连续变量与离散变量的卡方检验四、python实现卡方检验4.1、自实现卡方检验4.2、借助scipy进行卡方检验4.3、借助sklearn进行卡方检验一、卡方检验（Chi-SquaredTest）基本原理  通常情况
cy^2·2022-12-30 08:27

机器学习算法工程师面试 -- 总纲

机器学习算法工程师面试**`机器学习`**一.算法总结问题类型模型类型标签类型学习类型二.数据输入数据采样数据类型数据编码数据预处理三.特征工程特征提取特征选择特征变换特征融合四.模型构建1.神经网络BPRNNCNNSNNGAN2
天机无限·2022-12-30 04:28

机器学习笔记

目录常用基本库第零部分数据勘察1、去除重复值2、查看数据分布第一部分数据预处理1、数据清洗2、数据变换第二部分：特征选择方差过滤特征相关性过滤特征Embedded嵌入法降维筛选第三部分：数据集拆分第四部分
muge`·2022-12-29 22:46

机器学习基础算法（数据集和特征工程）

语法流程对文本进行特征值化tfidf方式提取文本特征TfidfVectorizer语法流程数据的特征预处理归一化公式语法步骤总结标准化公式语法步骤总结缺失值处理缺失值处理方法语法步骤关于np.nan数据的降维sklearn特征选择
Bro_Jun·2022-12-29 19:58

【特征选择】基于粒子群 PSO 的库存控制问题研究附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。个人主页：Matlab科研工作室个人信条：格物致知。⛄内容介绍阐述了粒子群算法的基本原理,探讨了在MATLAB环境中实现粒子群算法的编程方法,构建粒子群算法工具箱函数,通过仿真示例验证了该方法的有效性,表明它能够对函数进行全局优化.⛄部分代码functionmodel=CreateModel()%Dema
matlab科研助手·2022-12-29 18:01

决策树ID3、C4.5和CART算法例子详解

主要包括三个部分：（1）特征选择（即从众多特征中选择出一个作为当前节点的分类标
积极羊·2022-12-29 15:05

sklearn.neighbors

限定半径最近邻分类树RadiusNeighborsClassifier和限定半径最近邻回归树RadiusNeighborsRegressor质心分类算法NearestCentroid，直接选择最近质心来分类，距离度量和特征选择距离阈值
kakak_·2022-12-29 14:54

传统机器学习

偏差与方差线性模型线性回归、逻辑回归决策树信息增益、剪枝、C4.5神经网络SVM对偶问题、核方法贝叶斯分类器极大似然估计、EM算法集成学习boosting、bagging与随机森林、深度森林聚类降维k-近邻、PCA特征选择与稀疏学习稀疏表示计算学习理论
Alchemist Notes·2022-12-29 12:43

降维和特征选择的对比介绍

在machinelearning中，特征降维和特征选择是两个常见的概念，在应用machinelearning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。
·2022-12-29 11:41

5. 决策树 DecisionTree

要从训练数据中建立一棵可用于解决问题的决策树，需要以下333个步骤特征选择信息增益信息增益比基尼指数决策树生成ID3算法C4.5算法CART算法决策树修剪下面会详细
ly_Lion·2022-12-28 07:44

机器学习（2）——特征选择与分类器设计

#1简述特征空间优化的方法对特征空间进行优化有两种方法：一是特征选择，另一种是特征的组合优化。
Nani_xiao·2022-12-28 01:15

特征选择的三种方法、基本概念

一、相关概念  在特征选择中涉及到两个过程，一个是子集搜索，一个是子集评价。已知的特征空间的维度，需要去遍历多有可能的子集显然不现实。
Happy祥子·2022-12-28 01:14

【机器学习】特征选择方法总结

一、背景介绍在处理结构型数据时，特征工程中的特征选择是很重要的一个环节，特征选择是选择对模型重要的特征。它的好处[2]在于:●减少训练数据大小，加快模型训练速度。●减少模型复杂度，避免过拟合。
我爱Python数据挖掘·2022-12-28 01:43

过滤特征_特征选择总结之 过滤式特征选择（附代码）

资料来源，百度关键字搜索“特征选择过滤式”的前二三十页不重复的数据（不得不说csdn的文章互抄率也太高了，而且好多优秀的文章都是从知乎转来的）、《机器学习》等平常看的书、google上“featureselectionfilter
晗小呆·2022-12-28 01:13

特征选择方法

特征选择的目标特征是否发散：如果特征不发散，基本没有差异，对样本的区分没有作用特征与目标的相关性：与目标相关性高的特征应当优先选择特征选择的方法有过滤法、包装法、嵌入法过滤法：按照发散性或者相关性对各个特征进行评分
jaeden_xu·2022-12-28 01:40

特征选择之方法概述

1综述(1)什么是特征选择特征选择(FeatureSelection)也称特征子集选择(FeatureSubsetSelection,FSS)，或属性选择(AttributeSelection)，是指从全部特征中选取一个特征子集
peiwang245·2022-12-28 01:38

机器学习中，特征选择有哪些方法？

通过总结和归纳，人们认为特征工程包括以下方面：特征处理是特征工程的核心部分，sklearn提供了较为完整的特征处理方法，包括数据预处理，特征选择，降维等。首次接触到sklear
nathan_deep·2022-12-28 01:05

几种常用的特征选择方法

结合Scikit-learn介绍几种常用的特征选择方法原文http://dataunion.org/14072.html主题特征选择scikit-learn特征选择(排序)对于数据科学家、机器学习从业者来说非常重要
墨岚❤️·2022-12-28 01:04

特征选择的3种方法

当数据维数比较大时，就需要进行降维，特征选择是降维的一种主要方式，又包括3种方法：Filter、Wrapper和Enbedding。1.Filter过滤器方法，这种方法首先选定特征，再来进行学习。
ABCDLEE·2022-12-28 00:33

读计算机视觉综述做的脑图（11.09更新）

1.深度学习目标检测方法综述深度学习目标检测方法综述\n传统目标检测算法步骤预处理窗口滑动特征提取窗口大小、滑动方式与策略对其影响较大，例如卷积特征选择特征分类后处理二阶段的NMS处理1）阈值不容易确定
Y蓝田大海·2022-12-27 19:09
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他