粗糙集特征选择

特征选择之互信息

互信息（mutualinformation）是用来评价一个事件的出现对于另一个事件的出现所贡献的信息量互信息公式在对文本进行特征选择的时候，X表示某个词，Y表示类别，xi表示这个词的取值，在这里只有两种情况
山的那边是什么_·2021-04-25 18:33

2017年8月21日

按照计划今天基本都在忙特征选择+调参，效果比较微妙，0.63增加到0.65而已……感觉不是很乐观。回家之后如果没人约游戏的话就早点睡觉吧，或者在此之前打完大逆转2第三话？
真昼之月·2021-04-22 12:52

sklearn学习

更多情况下，是分析采集到的数据，根据数据特征选择
码丽莲梦露·2021-04-18 10:28

用 XGBoost 在 Python 中进行特征重要性分析和特征选择

如何使用XGBoost计算的特征重要性来执行特征选择。梯度提升中的特征重要性
Python中文社区·2021-04-16 18:00

机器学习之特征选择

机器学习之特征选择1.特征选择原理2.特征选择分类2.1过滤法2.2打包法2.3嵌入法3.特征选择常见的实现方式3.1方差阈值特征选择（过滤法）3.2相关性过滤法（过滤法）3.3递归特征消除法（打包法）
西西先生666·2021-04-15 21:04

CVPR 2021预讲：前沿视觉技术如何在实践中落地（内含视频&PPT）

美团共有5篇论文被本届CVPR大会收录，内容覆盖实例分割、表情识别、快速图像分割、特征选择和对齐等多个技术领域。近日，美团与智源社区联合主办了CVPR2021预讲·美团专场论文分享活动。
美团技术团队·2021-04-15 19:00

特征选择—方差过滤

Filter过滤法特征选择完全独立于机器学习算法，根据各种统计检验中的分数以及相关性的各项指标来选择特征。方差过滤VarianceThreshold：根据特征本身的方差来筛选特征。
热爱玄学的抽象菜菜·2021-04-11 00:54

数据准备和特征工程

2.xls文件的读取3.cv2图片的存取4.pythonmysql的基本操作，以及一些sql代码5.sklearnonehot编码6.sklearn数据规范化7.使用sklearn,mlxtend进行特征选择
半大人·2021-04-07 18:22

2021-03-23 特征选择的效果评估

特征选择有常用的三种方法，Filter（过滤法）、Wrapper（包裹法）、Embedded（嵌入法）。我们常用的IV计算、相关性计算、PSI计算、自变量方差分析都属于Filter；而模型中的L
春生阁·2021-04-07 11:12

DataWhale集成学习Task5--掌握基本的分类模型

文章目录总览收集数据集并选择合适的特征选择度量模型性能的指标选择具体的模型并进行训练逻辑回归基于概率的分类模型：线性判别分析基于贝叶斯公式对线性判别分析的理解降维分类的思想理解线性判别分析朴素贝叶斯决策树支持向量机
程序员狐小李·2021-03-27 22:36

【特征选择】特征选择的通俗讲解！

点击上方，选择星标，每天给你送干货！文章作者：佚名内容来源：DataWhale导读：据《福布斯》报道，每天大约会有250万字节的数据被产生。然后，可以使用数据科学和机器学习技术对这些数据进行分析，以便提供分析和作出预测。尽管在大多数情况下，在开始任何统计分析之前，需要先对最初收集的数据进行预处理。有许多不同的原因导致需要进行预处理分析，例如：收集的数据格式不对（如SQL数据库、JSON、CSV等）
zenRRan·2021-03-09 21:06

tensorflow学习笔记——过拟合

对于神经网络过拟合问题，一般有以下解决方法：1、引入dropout，在训练的时候，让一部分神经元随机失活，增加网络稀疏性，有利于特征选择，防止过拟合；2、引入batchnormalizatin，不仅对输入层的输入数据进行标准化
wxsy024680·2021-03-08 18:37

随机森林对特征重要性排序

基于不纯度对模型进行排序有几点需要注意：（1）基于不纯度降低的特征选择将会偏向于选择那些
sinat_22510827·2021-02-28 11:56

ROI-cloud: A Key Region Extraction Method for LiDAR Odometry and Localization

文章目录特征提取重要性更新其他细节实验  本文基于特征选择点云中的关键区域，仅使用关键区域来进行位姿跟踪和全局定位，在加快了速度的同时，优化了效果。
翡翠之幻·2021-02-24 14:49

决策树分类模型-ID3 C4.5 CART

1.简介根据损失函数最小化原则建立决策树模型损失函数一般是正则化的极大似然函数本质上为从训练数据集中归纳出的一组分类规则每一个子结点对应一个特征取值，叶节点即一个类步骤特征选择、决策树生成、决策树修剪42
JeJe_33·2021-02-13 05:23

【图像分割】基于matlab粒子群优化指数熵图像分割【含Matlab源码 287期】

A.特征选择特征选择是一个组合优化问题，因为在具有N个特征的数据集上有2N个可能的不同特征子集。FS方法通常有两个重要的部分组成，即搜索技术和特征评估方法。
紫极神光·2021-02-12 22:28

【图像分割】基于matlab粒子群优化T熵图像分割【含Matlab源码 286期】

A.特征选择特征选择是一个组合优化问题，因为在具有N个特征的数据集上有2N个可能的不同特征子集。FS方法通常有两个重要的部分组成，即搜索技术和特征评估方法。
紫极神光·2021-02-12 22:03

python随机森林变量重要性_利用随机森林对特征重要性进行评估

本文是对随机森林如何用在特征选择上做一个简单的介绍。随机森林(RF)简介只要了解决策树的算法，那么随机森林是相当容易理解的。随机森林的算法可以用如下几个步骤概括：用有抽样放回的方法(bootstrap
潜水队长·2021-02-11 06:45

《scikit-learn》PCA（一）

特征选择是从已经存在的特征中选择相关性，信息量最多的特征。特征创造，比如降维，降维之后，新的特征矩阵就不是任何一个特征了。二十通过线性变换后创造的新的特征，新的特征不再具有可读性。
星海千寻·2021-02-09 18:12

《scikit-learn》数据预处理与特征工程（三）特征选择

3：特征选择：从所有特征中挑选出最具有价值的，对模型最具有帮助的特征。本文将全部学习特征选择。特征选择第一步，充分理解业务和需求，理解数据特征。
星海千寻·2021-02-07 18:54

scikit-learn机器学习笔记——特征选择，特征降维

scikit-learn机器学习笔记——特征选择，特征降维特征选择特征选择是什么特征选择原因特征选择的主要方法scikit-learn特征选择APIFilter(过滤式)APIVarianceThreshold
学习爱好者fz·2021-02-04 16:12

Python特征选择(全)

1特征选择的目的机器学习中特征选择是一个重要步骤，以筛选出显著特征、摒弃非显著特征。
·2021-02-03 21:04

python 文本分类卡方检验_文本分类特征选择方法——卡方检验信息增益

1.TF-IDF的误区TF-IDF可以有效评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。因为它综合表征了该词在文档中的重要程度和文档区分度。但在文本分类中单纯使用TF-IDF来判断一个特征是否有区分度是不够的。1)它没有考虑特征词在类间的分布。也就是说该选择的特征应该在某类出现多，而其它类出现少，即考察各类的文档频率的差异。如果一个特征词，在各个类间分布比较均匀，这样的词对分
FTZ 白白·2021-02-03 03:11

第十四课.随机森林

目录算法流程随机森林的生成随机森林的预测算法总结随机森林的优点随机森林的缺点基于sklearn的随机森林参数实例方法实例属性实验：使用随机森林评估特征重要性算法流程随机森林的个体学习器为决策树（决策树回顾第十一课），并且在Bagging（回顾第十三课）的基础上增加了随机特征选择随机森林的生成
tzc_fly·2021-02-02 21:48

Python特征选择(全)

1特征选择的目的机器学习中特征选择是一个重要步骤，以筛选出显著特征、摒弃非显著特征。
·2021-01-31 00:34

ApacheCN 深度学习译文集 20201218 更新

新增了四个教程：Python人工智能中文版0前言1人工智能简介2人工智能的基本用例3机器学习管道4特征选择和特征工程5使用监督学习的分类和回归6集成学习的预测分析7通过无监督学习检测模式8构建推荐系统9
·2021-01-26 13:54

数据挖掘算法和实践（二十三）：XGBoost集成算法案列（鸢尾花数据集）

自带的鸢尾花数据集介绍XGB，关于集成学习算法的介绍可以参考：数据挖掘算法和实践（十八）：集成学习算法（Boosting、Bagging），XGB和LGB都是竞赛和真实场景用得很多的算法，这里详细分析XGB调参和特征选择
A叶子叶来·2021-01-23 17:46

pytorch实现比特币预测

1.比特币预测概述比特币预测和股票预测一样，比特币预测我分了两大部分，第一个是模型训练，第二个是模型预测，模型训练中我又分成数据读取、特征选择、模型训练三个部分。
若水上善666·2021-01-18 12:33

过滤特征_特征工程-特征选择、特征表达、特征预处理

机器学习中，有哪些特征选择的工程方法？
夜看满天繁星·2021-01-10 16:10

回归特征选取_数据预处理与特征工程：Filter过滤法

特征选择(featureselection)：从所有的特征中，选择出有意义，对模型有帮助的特征，以避免必须将所有特征都导入模型去训练的情况。过滤方法通常用作预处理步骤，特征选择
江平舟·2021-01-07 14:01

mllib逻辑回归 spark_探索MLlib机器学习

实用工具：线性代数，统计，数据处理等工具特征工程：特征提取，特征转换，特征选择常用算法：分类，回归，聚类，协同过滤，降维模型优化：模型评估，参数优化。
Ger Young·2021-01-07 04:12

探索MLlib机器学习

实用工具：线性代数，统计，数据处理等工具特征工程：特征提取，特征转换，特征选择常用算法：分类，回归，聚类，协同过滤，降维模型优化：模型评估，参数优化。
Python_Ai_Road·2021-01-03 22:29

基于前程无忧平台数据分析师岗位的薪资水平分析（一）

目录1、数据爬取2、数据清洗2.1缺失值处理2.2字段规整2.3文本处理3、变量处理3.1城市地区划分修改3.2修改其他字段3.3设置哑变量4、特征选择4.1过滤法4.2随机森林筛选变量4.3递归消除法筛选变量
前门朝北开·2020-12-29 12:14

tinyxml 读取文本节点_文本分类算法综述

但是文本也有自己的特点，根据文本的特点，文本分类的一般流程为：1.预处理；2.文本表示及特征选择；3.构造分类器；4.分类。通常来讲，文本分类任务是指在给定的分类体系中，将文本指定
offer大虾·2020-12-27 11:55

机器学习-算法-半监督学习：半监督学习（Semi-supervised Learning）算法

人工智能-机器学习-算法-半监督学习：半监督学习（Semi-supervisedLearning）算法一、半监督学习算法提出的背景1、监督学习算法2、无监督学习算法3、监督学习的特征选择方法4、无监督学习的特征选择方法
ninjawei·2020-12-23 22:52

机器学习深度研究：特征选择中几个重要的统计学概念

机器学习深度研究：特征选择过滤法中几个重要的统计学概念————卡方检验、方差分析、相关系数、p值问题引出当我们拿到数据并对其进行了数据预处理，但还不能直接拿去训练模型，还需要选择有意义的特征（即特征选择
机器学习算法与Python实战·2020-12-21 15:42

ApacheCN 深度学习译文集 20201218 更新

新增了四个教程：Python人工智能中文版0前言1人工智能简介2人工智能的基本用例3机器学习管道4特征选择和特征工程5使用监督学习的分类和回归6集成学习的预测分析7通过无监督学习检测模式8构建推荐系统9
布客飞龙·2020-12-21 11:54

pytorch实现股票预测

1.股票预测概述股票预测我分了两大部分，第一个是模型训练，第二个是模型预测，模型训练中我又分成数据读取、特征选择、模型训练三个部分。
若水上善666·2020-12-19 17:43

【机器学习】决策树特征选择准则 信息增益、信息增益率、基尼系数的计算及其python实现

索引1.问题引入2.信息增益1.计算公式：2.实例计算：3.信息增益率1.计算公式：2.实例计算：4.基尼系数1.计算公式：2.实例计算：5.参考文献6.python代码1.问题引入首先，我们引入需进行决策树算法学习的数据集DDD，如下，特征A=[′年龄′，′有工作′,′有自己的房子′,′信贷情况′]A=['年龄'，'有工作','有自己的房子','信贷情况']A=[′年龄′，′有工作′,′有自己的
t4ngw·2020-12-16 09:40

python随机森林筛选变量_用随机森林分类器和GBDT进行特征筛选

一、决策树(类型、节点特征选择的算法原理、优缺点、随机森林算法产生的背景)1、分类树和回归树由目标变量是离散的还是连续的来决定的；目标变量是离散的，选择分类树；反之(目标变量是连续的，但自变量可以是分类的或数值的
weixin_39863008·2020-12-11 00:15

python 特征选择卡方_文本分类特征选择方法——卡方检验信息增益

-1.TF-IDF的误区TF-IDF可以有效评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。因为它综合表征了该词在文档中的重要程度和文档区分度。但在文本分类中单纯使用TF-IDF来判断一个特征是否有区分度是不够的。1)它没有考虑特征词在类间的分布。也就是说该选择的特征应该在某类出现多，而其它类出现少，即考察各类的文档频率的差异。如果一个特征词，在各个类间分布比较均匀，这样的词对分类
weixin_39935319·2020-12-09 11:25

【西瓜书】决策树ID3算法

决策树算法包括了ID3算法、C4.5以及Cart算法，这三类算法最主要的区别在于其特征选择准则的不同，其中ID3算法选择特征的依据是信息增益、C4.5是信息增益率，而Cart则是采用的基尼系数。
Training.L·2020-12-07 16:34

python方差特征选择_特征选择-Filter过滤法（方差）

3.1Filter过滤法过滤方法通常用作预处理步骤，特征选择完全独立于任何机器学习算法。它是根据各种统计检验中的分数以及相关性的各项指标来选择特征。
weixin_39699070·2020-12-07 11:41

粗糙集的基础理论汇总

粗糙集什么是粗糙集1982年波兰学者Z.Pawlak提出了粗糙集理论——它是一种刻画不完整性和不确定性的数学工具，能有效地分析不精确，不一致（inconsistent)、不完整（incomplete)等各种不完备的信息
zhaociTang·2020-12-03 21:47

机器学习 特征选择篇——python实现MIC（最大信息系数）计算

机器学习特征选择篇——python实现MIC（最大信息系数）计算摘要python实现代码计算实例摘要MIC（最大信息系数）可以检测变量之间的非线性相关性，常用于特征工程中的特征选择，即通过计算各特征与因变量之间的
Cyrus_May·2020-12-03 17:16

python天气数据分析论文_《Python数据分析与机器学习实战-唐宇迪》读书笔记第9章--随机森林项目实战——气温预测(2/2)...

第9章--随机森林项目实战——气温预测(2/2)第8章已经讲解过随机森林的基本原理，本章将从实战的角度出发，借助Python工具包完成气温预测任务，其中涉及多个模块，主要包含随机森林建模、特征选择、效率对比
weixin_39867208·2020-12-01 23:37

python相关性分析特征过滤_特征选择-Filter过滤法后续（相关,互信息法）

3.1.2相关性过滤方差挑选完毕之后，我们就要考虑下一个问题：相关性了。我们希望选出与标签相关且有意义的特征，因为这样的特征能够为我们提供大量信息。如果特征与标签无关，那只会白白浪费我们的计算内存，可能还会给模型带来噪音。在sklearn当中，我们有三种常用的方法来评判特征与标签之间的相关性：卡方，F检验，互信息3.1.2.1卡方过滤卡方过滤是专门针对离散型标签(即分类问题)的相关性过滤。卡方检验
weixin_39915605·2020-12-01 14:37

python机器学习之特征选择（过滤法、嵌入法、包装法案例详解）

特征选择特征工程：1、特征提取：从文字，图像等数据中提取信息作为特征2、特征创造：把现有特征进行组合，或仙湖计算，得到新的特征3、特征选择：从所有的特征种，选择出有意义的，对模型有帮助的特征，避免所有特征都导图模型取训练的情况
黎明之道·2020-11-30 20:45

python数据项目分析实战技法_《Python数据分析与机器学习实战-唐宇迪》读书笔记第9章--随机森林项目实战——气温预测(1/2)...

第9章--随机森林项目实战——气温预测（1/2）第8章已经讲解过随机森林的基本原理，本章将从实战的角度出发，借助Python工具包完成气温预测任务，其中涉及多个模块，主要包含随机森林建模、特征选择、效率对比
weixin_39747334·2020-11-24 11:05

递归特征消除 spss_一文带你入门特征工程

简而言之，特征选择减少了开发预测模型时输入特征的数量。在本文中，我将讨论功能选择的3个主要类别。过滤器方法，包装器方法和嵌入式方
weixin_39967405·2020-11-24 03:57
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他