粗糙集特征选择

光谱特征选择---随机蛙跳变量选择RF

如何从实际测量的高维光谱数据中选择具有解释能力（特征变量）的变量是目前特征选择或者特征降维的主要研究内容，也是光谱分析建模的关键组成。
一条大咸咸鱼·2022-06-04 07:22

防止过拟合的方法

以下是可用于防止过拟合的几种方法：提前停止使用更多数据进行训练特征选择交叉验证数据增强正则化提前停止在这种技术中，在模型开始学习模型中的噪声之前暂停训练。
川川菜鸟·2022-06-04 07:29

李宏毅2021ML-hw1 新冠预测

系列文章目录李宏毅ML-2022hw2文章目录系列文章目录简介实验部分SimpleBaselineMediumBaselineStrongBaseline模型参数选择（损失函数、激活函数）特征选择L1/
sama_AA·2022-06-03 07:56

【李宏毅《机器学习》2022】作业1：COVID 19 Cases Prediction (Regression)

COVID19CasesPrediction(Regression)作业内容1.目标2.任务描述3.数据4.评价指标代码1.下载数据2.导入软件包3.定义公用函数（这一部分不需要修改）4.数据集5.神经网络模型6.特征选择
HelloNettt·2022-06-03 07:53

机器学习算法中的预处理

数据预处理的方法主要包括去除唯一属性、处理缺失值、属性编码、数据标准化正则化、特征选择、主成分分析等。
cyqyong·2022-06-03 07:42

NLP实战-基于弱标注数据的文本分类

目录分析现有数据解决方案初始语料集构建特征选择过滤语料1、词频逆文档评率2、信息增益3、卡方检验训练模型缺失标签数据处理总结最近在做CSDN文库标签的分类，文库的数据比博客数据要短一些，特征比较分散，时间紧任务重
行走的人偶·2022-05-27 07:26

最大相关 - 最小冗余（mRMR）特征选择

部分转载自维基百科FeatureSelection最大相关-最小冗余(mRMR)特征选择彭等人提出了一种特征选择方法，可以使用互信息，相关或距离/相似性分数来选择特征。
薪升贷农名工·2022-05-27 00:12

机器学习基础：决策树

目录1.Zero-R2.One-R3.从1-R到决策树4.ID-3决策树5.决策树的分支条件——不纯度6.决策树的特征选择——信息增益6.1信息增益的缺陷7.决策树的特征选择——信息增益比8.决策树对于样本的预测
小羊和小何·2022-05-26 07:28

聊聊用于特征处理的tsfresh

可以自动从时序数据中提取100多个特征，包含多种特征提取方法和一种稳健的特征选择方法，还包含对于回归或分类任务时评估这些特征的重要方法。
luky_yu·2022-05-25 03:37

人工智能-作业4：CNN - 卷积

一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。
qq_45993036·2022-05-24 15:13

【scikit-learn】决策树

目录决策树决策树的分类相关概念决策树的构造特征选择：决策树的生成：决策树的裁剪决策树的优缺点优点缺点决策树生成算法以ID3算法为例实战决策树决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一颗熵值下降最快的树
马老c·2022-05-24 07:55

决策树--信息增益，信息增益比，Geni指数的理解

决策树是表示基于特征对实例进行分类的树形结构从给定的训练数据集中，依据特征选择的准则，递归的选择最优划分特征，并根据此特征将训练数据进行分割，使得各子数据集有一个最好的分类的过程。
黄佳俊、·2022-05-24 07:55

机器学习：决策树 -- 学习笔记

参考文章决策树算法原理(上)-刘建平Pinard-博客园决策树算法原理(下)-刘建平Pinard-博客园李航《统计学习方法》第二版决策树算法决策树学习算法包含：特征选择决策树生成决策树的剪枝下面会分别对三个部分进行一定的总结
JingYuJingYuJingYu·2022-05-24 07:46

scikit-learn 中决策树模型-参数说明、注解

目录scikit-learn中决策树算法类库介绍重要参数`criterion`特征选择标准对于分类决策树：关于基尼指数对于回归决策树以squared_error为例`splitter`特征划分点选择标准
JingYuJingYuJingYu·2022-05-24 07:46

决策树--CART算法

.Crat算法(分类树)1.1基尼系数1.2连续型特征处理1.3CART算法1.5举例说明1.5代码2.回归树1.Crat算法(分类树)1.1基尼系数CART是基于基尼(Gini)系数最小化准则来进行特征选择
是忘生啊·2022-05-24 07:41

决策树--信息增益，信息增益比，Geni指数

决策树是表示基于特征对实例进行分类的树形结构从给定的训练数据集中，依据特征选择的准则，递归的选择最优划分特征，并根据此特征将训练数据进行分割，使得各子数据集有一个最好的分类的过程。
Updongdong·2022-05-24 07:09

2-6 经典机器学习算法-决策树-CART回归树构建

请描述它们在进行树的生成过程中，具体的特征选择算法，以及它们的对比？3、CART回归树构建过程4、决策树的优缺点5、决策树如何防止过拟合？说说具体方法。
沉睡的小卡比兽·2022-05-24 07:04

机器学习笔记-决策树

文章目录前言1、决策树思想2、特征选择3常见的几种决策树生成算法3.1、ID3算法3.2、C4.5算法3.3、CART算法4、决策树的剪枝4.1、ID3和C4.5算法的剪枝4.2、CART算法的剪枝5、
Pijriler·2022-05-23 07:24

机器学习笔记补充——决策树

决策树1.决策树简介1.1决策树的定义1.2决策树算法的过程2.特征选择2.1知识储备2.2信息增益(informationgain)2.3信息增益比3.决策树的生成3.1ID3算法3.2C4.5算法3.3CART
lavendelion·2022-05-23 07:49

人工智能-作业4：CNN - 卷积

一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积：卷积常用于图像的特征提取，针对像素点进行处理的一种技术。
+51·2022-05-23 07:40

【机器学习】西瓜书目录

介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）进阶知识，内容涉及特征选择与稀疏学习
AllBull·2022-05-21 07:02

机器学习系列(13)_PCA对图像数据集的降维_02

文章目录一、PCA降维1、降维究竟是怎样实现的2、二维特征矩阵降维的一般过程3、PCA降维与特征选择的不同二、PCA与SVD1、重要参数n_components2、迷你案例：高维数据的可视化（鸢尾花）3
温欣'·2022-05-18 07:52

机器学习sklearn（14）PCA降维

降维的目的特征选择：选择重要的特征子集，删除其余特征；特征提取：由原始特征形成的较少的新特征。降维的作用：降低时间的复杂度和空间复杂度节省了提取不必
又要起名字了·2022-05-18 07:17

PyTorch学习（五）——卷积神经网络

图像平滑，就是用该点的邻域点来表示它边缘提取算子计算机视觉中的特征工程如LDA算法，将x投影到x‘（中层次特征）直方图统计（低层次特征）特征提取->特征选择->建模（前两个被CNN处理
五月的天气·2022-05-18 07:29

特征选择与特征提取

目录一、特征选择1、特征2、特征选择3、扩展——特征选择算法(有兴趣和精力可了解)拓展--完全搜索:拓展--启发式搜索:拓展--随机搜索:拓展--遗传算法:二、特征提取三、特征提取主要方法——PCA(主成分分析
小嵌同学·2022-05-17 14:39

【2021-2022 春学期】人工智能-作业4：CNN - 卷积

文章目录一、概念理解1.卷积核2.卷积3.多通道4.特征图5.特征选择二、卷积核1.锐化卷积核2.高斯模糊卷积核3.边缘检测卷积核三、编程实现1.经典卷积核a.锐化b.模糊c.边缘检测2.更换卷积核参数
wuguanfengyue122·2022-05-16 07:34

人工智能-作业4：CNN - 卷积

文章目录一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。1.卷积2.卷积核(Kernel)3.多通道4.特征图(featuremap)5.特征选择二、探究不同卷积核的作用，研究背后的原理。
Rain Sure·2022-05-16 07:51

Python-----机器学习初识（二）

数据降维特征选择：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，特征在选择前和选择后可以改变值、也不改变值，但是选择后的特征维数肯定比选择前小，毕竟我们只选择了其中的一部分特征。
coconut milk?·2022-05-15 07:53

数据常用预处理教程详解（sklearn，numpy，pandas）

检查有没有缺失值，对确实的特征选择恰当方式进行弥补，使数据完整。对连续的数值型特征进行标准化，使得均值为0，方差为1。对类别型的特征进行one-hot编码。
一种tang两种味·2022-05-14 07:14

人工智能-作业4：CNN - 卷积

目录一、卷积、卷积核、多通道、特征图、特征选择概念。
ShadowOf_Shy·2022-05-13 07:23

【2021-2022 春学期】人工智能-作业4：CNN - 卷积

一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。二、探究不同卷积核的作用，研究背后的原理。三、编程实现：经典卷积核，实现灰度图的边缘检测、锐化、模糊。调整经典卷积核参数，测试并总结。
HBU_David·2022-05-13 07:47

人工智能 作业4：CNN - 卷积

目录前言一、概念1.卷积：2.卷积核3.多通道4.特征图5.特征选择二、不同卷积核作用和原理1.边缘检测2.锐化3.模糊三、编程实现1.实现灰度图的边缘检测、锐化、模糊。
我不叫大白·2022-05-13 07:09

机器学习理论学习：决策树

目录一、决策树模型1.1、决策树模型的学习二、特征选择2.1、信息增益2.2、信息增益比三、决策树的生成3.1、ID3算法3.2、C4.5算法四、决策树的剪枝五、分类回归树（CART）算法5.1、CART
wxplol·2022-05-12 07:24

机器学习系列8 基于Python构建Web应用以使用机器学习模型

2.工具安装3.数据预处理①数据加载及查看②数据处理及特征选择4.机器学习模型构建①数据集划分②调用逻辑回归模型训练多分类模型5.
GISer Liu·2022-05-09 07:11

python机器学习——决策树（分类）及“泰坦尼克号沉船事故”数据集案例操作

（分类）及具体案例操作一、决策树（分类）算法（1）算法原理（类似于“分段函数”）（2）决策树的变量类型（3）量化纯度（4）基本步骤（5）决策树的优缺点二、决策树（分类）具体案例操作（1）导入数据（2）特征选择
曹文杰1519030112·2022-05-05 07:44

spark(56) -- SparkMllib -- SparkMllib的功能和应用场景

提供了利用Spark构建大规模和易用性的机器学习平台，组件：(1)ML算法：包括了分类、回归、聚类、降维、协同过滤(2)Featurization特征化：特征抽取、特征转换、特征降维、特征选择(3)Pipelines
erainm·2022-05-05 07:07

机器学习决策树作业

机器学习决策树作业作业：（1）编程实现：利用信息增益率作为评定标准，实现根节点的决策树的特征选择（封装为函数，或类）（2）编程实现：利用Gini系数做为评定标准，实现根节点的特征选择（3）比较二者在分类的准确率的差别
T_Y_F666·2022-05-05 07:27

python机器学习入门及特征工程

三、特征降维某些条件下降低随机变量（特征）个数，得到一组不相关变量的过程特征选择：从原有特征找出主要特征1）f
kyanbooon·2022-05-03 07:54

【机器学习】决策树知识点小结

决策树学习算法包含特征选择、决策树的生成与剪枝过程。决策树的学习算法通常是递归地选择最优特征，并用最优特征对数据集进行分割。开始时，构建根节点，选择最优特征，该特征
zhaosarsa·2022-05-02 10:26

机器学习

文章目录机器学习基本理论基本术语与方法特征选择概述多目标优化问题分类算法、经典算法分类算法NSGA2算法粒子群优化算法（PSO）聚类算法蚁群算法（ACO）其它算法前沿算法NSGA2算法前沿PSO算法差分分组算法其它算法演化计算算法协同进化
Reacubeth·2022-05-01 08:17

特征选择：11 种特征选择策略总结

将模型优化为足够复杂以使其性能可推广，但又足够简单易于训练、维护和解释是特征选择的主要工作。“特征选择”意味着可以保留一些特征并放弃其他一些特征。
·2022-04-29 11:50

机器学习笔记03——决策树

目录概念特征选择ID3算法C4.5算法CART算法剪枝概念决策树算法采用树形结构，使用层层推理来实现最终的分类决策树是一个包含根节点、内部节点和叶节点的树结构，其根节点包含样本全集，内部节点对应特征属性测试
死磕的斯坦张·2022-04-28 08:51

三、深度学习基础7（微调、初始化）

深层网络特征比较多，会出现的多特征问题主要有多样本问题、规则化问题、特征选择问题。
满满myno·2022-04-28 07:07

数据挖掘笔记-特征选择-信息增益

除了开方检验（CHI）以外，信息增益（IG，InformationGain）也是很有效的特征选择方法。
人生偌只如初见·2022-04-27 07:42

机器学习实战-决策树

决策树学习通常包括3个步骤:特征选择、决策树的生成和决策树的修剪。2.决策树场景一个叫做“二十
J___code·2022-04-18 07:54

决策树详解&&python基于Kaggle的Titanic数据实现决策树分类

数据实现决策树分类一决策树算法详解1.前期准备实验目的准备2.决策树概述2.1决策树2.2ID3算法原理2.3ID3的特点2.4信息熵2.5ID3算法和决策树的流程二基于Kaggle的Titanic数据实现决策树分类1.数据探索2.特征选择
黑芝麻大汤圆·2022-04-18 07:42

面试总结之特征工程

特征工程有哪些数据预处理1.处理缺失值2.图片数据扩充3.处理异常值4.处理类别不平衡问题特征缩放1.归一化2.正则化特征编码1.序号编码2.独热编码3.二进制编码4.离散化特征选择1.过
DCGJ666·2022-04-18 07:07

这4款数据自动化探索 Python 神器，解决绝大多数的数据分析问题

背景在任何机器学习项目的生命周期中，我们在数据分析、特征选择、特征工程等环节耗费时间占整个项目的60%的以上，一方面它是数据科学项目中最重要的部分，另一方面它是必须要进行
Python学习与数据挖掘·2022-04-14 15:05

python模型参数估计_【干货】Python机器学习项目实战2——模型选择，超参数调整和评估（附代码）...

【导读】这是一篇完全手把手进行机器学习项目构建的教程，包含：1.数据清理和格式化2.探索性数据分析3.特征工程和特征选择4.在性能指标上比较几种机器学习模型5.对最佳模型执行超参数调整6.在测试集合中评估最佳模型
陈村·2022-04-07 07:41

XGboost数据比赛实战之调参篇(完整流程)

这一篇博客的内容是在上一篇博客Scikit中的特征选择，XGboost进行回归预测，模型优化的实战的基础上进行调参优化的，所以在阅读本篇博客之前，请先移步看一下上一篇文章。
weixin_33828101·2022-04-07 07:40
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他