粗糙集特征选择

数据挖掘第二课

数据挖掘第二课facebook案例导入数据1.数据预处理1.1描述性统计1.2哑变量生成2.数据可视化分析3.特征选择3.1相关系数3.2熵（基尼系数）的指标4.模型拟合1.logistic回归2.决策树
wonder1322·2022-12-18 08:29

【分类器】

二、高复杂性数据三、特征选择四、特征选择分类总结前言在实际应用中，为了挖取数据中隐藏的有用数据，一般会对搜集到的原始数据集进行分析分类处理，流程图如图1.1所示，具体的基本步骤包括以下四步：（1）采取数据采集手段获取用户数据
资源存储库·2022-12-18 00:30

【python数据处理基础】--数据读取、清洗数据

因此我们需要对数据进行可视化展示，特征选择，特征构建等一系列操作。本文的目的是针对像作者一样初步涉及到数据处理工作的读者们提供一个简单、直接的python数据处理基础操作。
树梅也称覆盆子·2022-12-17 21:29

机器学习笔记（七）-主成分分析PCA

weixin_42555080本次代码的环境：运行平台：WindowsPython版本：Python3.xIDE：PyCharm一、前言解决模型过拟合问题的基本方法有：增加数据量正则化降维直接降维：人工的特征选择线性降维
Blessy_Zhu·2022-12-17 14:19

数据挖掘相关算法

1.数据获取1.1数据挖掘的对象1.2数据挖掘的步骤1.3支持数据挖掘的关键技术1.4数据仓库1.5数据仓库的模型1.6典型的OLAP操作2数据准备2.1维归约/特征提取2.1.1决策树归约2.1.2粗糙集归约
Danah.F·2022-12-17 13:49

模式识别 第7、8章 特征的选择和提取

每一个特征对应特征空间的一个维度；特征越多，特征空间的维度越高原则：在保证分类效果的前提下用尽量少的特征来完成分类基本概念（1）特征形成：由仪器直接测量出来的数值，或者是根据仪器的数据进行计算后的结果（2）特征选择
一直在努力的小宁·2022-12-17 11:03

基于特征选择的遗传算法（Matlab代码实现）

‍个人主页：研学社的博客欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述
荔枝科研社·2022-12-16 23:11

绿盟SecXOps安全智能分析技术白皮书 定义内涵

数据预处理是指在数据分析之前，对数据进行的清洗、筛选、转换、特征选择和提取等一系列必要处理操作的过程。技术背景数据预处理的常见方法有数据清洗、数据转换、特征选择、数据降噪和数据增强。
m0_73803866·2022-12-16 17:03

系统学习CV-lesson2-偏差方差

逻辑回归交叉熵函数无偏估计梯度下降的由来梯度下降反向传播批量梯度下降方差-偏差泛化误差模型学习期望和均值偏差方差偏差与方差噪声欠拟合过拟合策略正则化稀疏性稀疏性与过拟合L1与L2L1/L2正则项与线性回归特征选择网格搜索多重共线性矩阵求导模型评价指标分类问题
aoaoGofei·2022-12-16 17:01

数据预处理 定义内涵

数据预处理是指在数据分析之前，对数据进行的清洗、筛选、转换、特征选择和提取等一系列必要处理操作的过程。技术背景数据预处理的常见方法有数据清洗、数据转换、特征选择、数据降噪和数据增强。
maoguan121·2022-12-16 17:28

机器学习：xgboost原理及实践

3.Boosting和Bagging3.1偏差-方差分解3.2Bagging3.3Boosting4.GBDT5.Xgboost5.1xgboost实现5.1xgboost特征选择5.2xgboost超参数优化
阳阳yyx·2022-12-16 15:59

数据预处理的常见方法

数据预处理是指在数据分析之前，对数据进行的清洗、筛选、转换、特征选择和提取等一系列必要处理操作的过程。技术背景数据预处理的常见方法有数据清洗、数据转换、特征选择、数据降噪和数据增强。
securitypaper·2022-12-16 13:06

《机器学习算法竞赛实战》学习笔记4.特征工程

特征工程主要分为：数据预处理、特征变换、特征提取、特征选择四部分特征工程数据预处理缺失值处理异常值处理特征变换连续变量无量纲化连续变量数据变换类别特征转换不规则特征变换特征提取多值特征类别相关的统计特征数值相关的统计特征时间特征特征选择特征关联性分析特征重要性分析封装方法特征工程
全自动学习机器·2022-12-16 13:32

Python数据分析之特征处理笔记五——特征预处理（特征降维及特征衍生）

2.3特征降维2.3.1基本思想与特征选择的思想有着异曲同工之妙，都是希望在保留足够信息量的前提下获得比较精简的数据，以提高模型的运算速度。二者的不同之处就是降维的方式：特征选择是是直接删除冗余或不相
୧⍤⃝ Nakupenda·2022-12-16 09:41

Python数据分析之特征处理笔记三——特征预处理（特征选择）

书接上文，进行数据清洗过程后，我们得到了没有空值、异常值、错误值的数据，但想要用海量的数据来建立我们所需要的算法模型，仅仅是数据清洗的过程是不够的，因为有的数据类型是数值，有的是字符，怎样将不同类型的数据联系起来？以及在保证最大化信息量的前提下，怎样得到便于分析的数据？这就是特征预处理要做的工作。一、理论基础1.基本概念特征预处理是数据预处理过程的重要步骤，是对数据的一个的标准的处理，几乎所有的数
୧⍤⃝ Nakupenda·2022-12-16 09:40

机器学习（二）——决策树（DecisionTree）

机器学习（二）——决策树（DecisionTree）一、算法简介1.1概念1.2决策树的构造1.2.1特征选择1.2.2决策树的生成二、Sklearn之使用决策树预测隐形眼镜类型2.1背景2.2使用Sklearn
qq_40296818·2022-12-16 08:15

常用特征选择

数据处理-常用特征选择方法特征选择对于数据科学家、已经机器学习有关研究人员非常重要，通过减少特征数量、增加模型泛化能力，减少过拟合，能够增加特征之间的理解，降低学习任务的难度，提升模型的效率。
qq602683200·2022-12-15 22:12

大数据与人工智能方向基础 ---- 特征选择与决策树的构建

目录前言一、面向分类问题的决策树特征选择1、纯节点、不纯节点2、节点的不纯度（杂度）1.2.1熵不纯度1.2.2方差不纯度1.2.3误差不纯度3、基于不纯度的节点特征选择规则----以分类树为例3.1信息增益
.小兔不吃奶糖.·2022-12-15 22:42

【机器学习】sklearn库浅学习

sklearn)特点：（3）通用学习模式：二.数据集与数据预处理（1）数据集（sklearn.datasets）（2）常用数据集：（3）数据集读取代码（4）常用方法（5）数据预处理思路（6）数据预处理代码三.特征选择
刺猬240·2022-12-15 19:30

python数学要求_DT数学原理与python实现

DecisionTree(DT)主要包括：特征选择决策树的生成决策树的修建特征选择特征选择主要通过特征给模型带来的信息增益，特征信息增益越大表名该特征越重要。
weixin_39910963·2022-12-15 14:02

python泰坦尼克号生存预测论文_【数据分析】预测泰坦尼克号存活率 -- Python决策树...

数据概览清洗数据2.1数据预处理2.2特征选择决策树建模(至
weixin_39791225·2022-12-15 14:40

机器学习笔记-随机森林（Random Forest，RF）

具体如图所示：RF=决策树+Bagging+随机属性选择RF算法流程如下所示：RF优缺点优点：对于高维（特征很多）稠密型的数据适用，不用降维，无需做特征选择。
小刘同学要努力呀·2022-12-15 11:51

Python多元线性回归、机器学习、深度学习在近红外光谱分析中的实践

神经网络及其在近红外光谱分析中的应用、支持向量机（SVM）及其在近红外光谱分析中的应用、决策树、随机森林、Adaboost、XGBoost和LightGBM及其在近红外光谱分析中的应用、遗传算法及其在近红外光谱分析中的应用、变量降维与特征选择算法及其在近红外光谱分析中的应用
xiao5kou4chang6kai4·2022-12-15 10:33

【数据挖掘】使用支持向量机实现恶意url检测

导入需要的包数据清洗的函数训练的函数train():2.写预测脚本urls_type.py备注：五、参考链接项目代码见资源【数据挖掘】恶意url检测一、实验任务：选择恶意和正常URL链接数据进行研究(特征选择
木凳狗呆·2022-12-15 09:02

二元灰狼优化（BGWO）应用于特征选择任务（Matlab代码实现）

本文目录如下：目录1概述2运行结果3Matlab代码实现4参考文献1概述特征选择是当前信息领域,尤其是模式识别领域的研究热点。本文二元灰狼优化（BGWO）应用于特征选择任务问题。
荔枝科研社·2022-12-14 22:12

数据分析建模之逻辑回归(Logistic Regression)-使用toad进行评分卡建模详细步骤

目录0.引言一、概念二、工具三、建模思路四、代码1.数据读取2.数据集划分3.特征计算4.特征分箱5.转换WOE值6.特征选择7.模型训练8.模型评估9.模型验证10.分值转换0.引言评分卡建模的目的是根据现有的数据对用户的好坏进行预测
江湖人称桂某人·2022-12-14 16:22

Python实现ReliefF-based Multi-label Feature Selection文章算法

ReliefF-basedmulti-labelfeatureselection,InternationalJournalofDatabaseTheoryandApplication.8(4)(2015)307–318.该算法是基于非转化的多标记ReliefF特征选择算法
渡口的夕阳·2022-12-14 16:51

特征选择的三种方法

特征选择的三种方法•包装方法（wrappermethod）是“围绕”着特定的预测模型建立的。每个特征子集用来训练一个模型。训练得到的模型的泛化性能可以为该子集评分。
Mr Gao·2022-12-14 16:51

特征选择简述

目录一、特征选择的意义二、特征选择的方法1.排序方法（Rankingmethods）2.过滤方法（Filterapproaches）3.包装器方法（wrappermethods）4.混合方法（Hybridmethods
qq_44821400·2022-12-14 16:20

基于蚁群优化算法的特征选择相关文献

Dorigo等人在20世纪90年代初提出了蚁群优化算法（Antcolonyoptimization，ACO)。ACO是一种元启发式群智能算法，旨在解决组合优化问题。它利用了真实蚂蚁的觅食行为，由被称为蚂蚁的人工媒介组成。每只蚂蚁在巢穴和食物来源之间的路径上沉积一些化学物质，形成信息素的踪迹。随着时间的推移，信息素蒸发，避免了蚂蚁进入局部最优；因此，蚂蚁越多，路径上的信息素就越强，蚂蚁就越倾向于选择
qq_44821400·2022-12-14 16:50

Multi-view Multi-label Learning with Sparse Feature Selection for Image Annotation 论文笔记

Multi-viewMulti-labelLearningwithSparseFeatureSelectionforImageAnnotation(TMM2018)论文链接：https://ieeexplore.ieee.org/document/89602731.论文主要贡献提出了一种多视图多标签稀疏特征选择
煮酒弄茶zzz·2022-12-14 16:49

Manifold regularized discriminative feature selection for multi-label learning（基于流式正则化判别多标记学习的特征选择）

论文大纲：背景特征选择的方法详细介绍MDFS方法实验结果分析讨论和结论背景：在多标签学习中，对象本质上与多个语义相关，数据类型同时面临高特征维数的影响，如生物信息学和文本挖掘等应用。
好好的同学·2022-12-14 16:49

MLACO: A multi-label feature selection algorithm based on ant colony optimization一种基于蚁群优化的多标签特征选择算法

Multi-labelfeatureselection；Antcolonyoptimization；Cosinesimilarity；Correlationsimilarity创新点：作者首次提出了一种新的基于蚁群优化(ACO)的多标签关联冗余特征选择方法
qq_44821400·2022-12-14 16:19

数据科学基础复习2

假设检验4.4方差分析*4.5回归分析*凸优化智能优化算法遗传算法pso粒子群优化算法机器学习初探分类模型评估K折叠交叉验证(K-foldcrossvalidation)二分类问题特征工程数据预处理特征提取特征选择特征降维简答题
IIKY·2022-12-14 15:11

泰坦尼克号生存预测（超详细）

上学期尝试着去做的一个python关于数据处理的项目，主要过程包括数据预处理、特征提取、特征选择、模型构建与求解，每一部分都有详细的分析和总结。
s_m_c·2022-12-14 08:22

基于多层特征选择的固废焚烧过程二噁英排放浓度软测量

是目前国内外广泛应用的生活垃圾资源化处理技术，其存在“邻避效应”的主要原因之一是排放具有高毒性、持久性等污染特性的二噁英（DXN）.长周期、高成本的离线检测方式导致DXN排放浓度的实时监测难以实现.针对上述问题，提出了基于多层特征选择的
米朵儿技术屋·2022-12-14 07:59

二元灰狼优化（BGWO）应用于特征选择任务（Matlab代码实现）

目录1概述2运行结果3参考文献‍4Matlab代码1概述特征选择是当前信息领域,尤其是模式识别领域的研究热点。该代码演示了BGWO如何使用基准数据集Main解决特征选择问题。
wlz249·2022-12-14 06:42

297个机器学习彩图知识点（3）

特征向量6.弹性网络7.指数型线性单元8.编码有序类别特征9.集成学习方法10.迭代轮数11.错误类型12.解释平方和13.梯度爆炸14.极值15.F检验16.F1值17.误报率18.特征重要度19.特征选择策略
冷冻工厂·2022-12-14 06:54

《特征工程入门与实践》--特征选择

特征选择元指标特征选择的类型:基于统计的特征选择皮尔逊相关系数假设检验基于模型的特征选择使用机器学习选择特征针对基于树的模型线性模型和正则化《特征工程入门与实践》-特征选择元指标元指标是指不直接与模型预测性能相关的指标
「已注销」·2022-12-14 05:11

深度学习-----------2.6（GBDT+LR，LS-PLM）

GBDT是由多棵回归树组成的树林，后一颗树以前一颗树的结果与真实值的残差作为拟合目标，每棵树生成的过程是一颗标准的回归树生成过程，因此回归树种每个节点的分裂是一个自然的特征选择的过程，而多层节点的结果则对特征进
WMM_123456·2022-12-13 22:19

【特征选择】时变正弦和 V 形传递函数 (BMPA-TVSinV) 的新型二元海洋捕食者算法附matlab代码

更多Matlab仿真内容点击智能优化算法神经网络预测雷达通信无线传感器信号处理图像处理路径规划元胞自动机无人机电力系统⛄内容介绍特征选择问题是从数据集中找到最优特征子集的预处理机制之一。
matlab科研助手·2022-12-13 15:27

scikit-learn 机器学习

2.特征选择选择特征的直观方法：直接使用图片的每个像素点作为一个
付小星·2022-12-13 14:17

sklearn库主要模块功能简介

sklearn，全称scikit-learn，是python中的机器学习库，建立在numpy、scipy、matplotlib等数据科学包的基础之上，涵盖了机器学习中的样例数据、数据预处理、模型验证、特征选择
奋斗的小小骚年·2022-12-13 14:16

数据科学与机器学习案例之客户的信用风险与预测

数据科学与机器学习案例之客户的信用风险与预测项目来源数据处理机器学习算法逻辑回归所有特征特征选择glmnetsvm总结项目来源分享的项目是来源于暑期实习的一些心得，研究的问题是客户的信用风险检测与预测，
嘛里嘛里哄·2022-12-13 14:34

python机器学习前戏 ——特征工程应用

——特征工程应用机器学习——特征工程应用机器学习为什么需要特征工程什么是特征工程sklearn工具特征抽取应用字典特征抽取OneHot编码(上图中矩阵中01就是该编码)文本特征抽取特征预处理（数值型）特征选择特征选择
熬夜秃头君·2022-12-13 13:52

我的机器学习笔记——特征工程

2.特征工程子问题2.1特征选择FeatureSelection2.2特征提取FeatureExtraction2.3特征构建FeatureConstruction3.特征工程处理过程4.总结1.特征工程是什么
Wenee_·2022-12-13 13:22

机器学习笔记【二】——特征工程

特征工程what特征工程包含内容二、特征预处理特征预处理API数值型数据的无量纲化-归一化1.定义2.公式3.API4.归一化缺陷-标准化1.定义2.公式3.API4.标准化总结三、特征降维特征选择1.
Krisyeo1·2022-12-13 13:51

机器学习狗(本人)day1&2 —— 特征工程学习

机器学习狗day1&2——特征工程学习LEARN特征选择FeatureSelection首先，从特征开始说起，假设你现在有一个标准的Excel表格数据，它的每一行表示的是一个观测样本数据，表格数据中的每一列就是一个特征
b1ue0cean·2022-12-13 13:17

【高维数据降维】线性判别分析LDA

降维分为：特征选择和特征提取特征选择：是从含有冗余信息以及噪声信息的数据中找出主要变量；特征提取：是去掉原来的数据，生成新的变量，可以寻找数据内部的本质结构特征。
梦什·2022-12-13 10:37

决策树原理

特征选择生成决策树剪枝1.2决策树优缺点(1)计算复杂度不高，输出结果易于理解以ID3为例，每次运算都是基于某一列特征，特征计算完后，下次计算不考虑该最优特征
默默无闻的默默·2022-12-13 06:23
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他