粗糙集特征选择

钓鱼邮件检测（本科毕设）

主要实现流程为：钓鱼邮件特征选择；编写特征提取算法；编写机器学习分类器的训练算法代码和检测代码；对模型进行测试。特征选择：特征的选择参考的是上述论文中选择的特征，再通过自己的分析修改了一些。其实做到最
weixin_30457065·2020-08-11 18:26

机器学习中的数据准备

数据准备需要进行的工作主要分为以下几类：数据清理（DataCleaning）数据转换（DataTransformation）特征选择（FeatureSelection）数据清理删除冗余的特征或样本#deletecolumnswithasin
sunwq06·2020-08-11 11:00

python学习笔记第二十四天--------sklearn与特征工程

文章目录1.sklearn与特征工程1.1数据的特征工程1.2特征工程的意义1.3特征工程之特征处理1.4特征工程之特征抽取与特征选择2.数据2.1数据的类型2.2数据的特征抽取2.2.1分类特征变量提取
曾鸿举·2020-08-11 05:25

数据分析（三）实战——分类模型（随机森林与 AdaBoost ）

数据分析（三）实战——分类模型（随机森林与AdaBoost）基本信息数据预处理观察数据集特点数据集划分特征选择异常值检测离散化标准化模型训练分类器选择评估指标选择训练过程默认参数训练结果参数调整最优训练结果结语前言
Wing·三金·2020-08-11 04:37

《机器学习》赵卫东学习笔记 第5章文本分析（课后习题及答案）

一般经过分词、文本特征提取与表示、特征选择、知识或信息挖掘和具体应用等步骤。
南方有夏花·2020-08-11 04:44

决策树例子与python实现

决策树的划分依据之一是信息增益的大小对于下面这个例子，使用ID3算法，ID3：使用信息增益g(D,A)进行特征选择一个特征的信息增益(或信息增益率，或基尼系数)越大，表明特征对样本的熵的减少能力更强，这个特征使得数据由不确定性到确定性的能力越强下面就以一个经典的打网球的例子来说明如何构建决策树
码小花·2020-08-11 04:14

【机器学习系列之三】特征工程

目录1.特征工程概述与采样2.数据预处理2.1数值型数据2.2类别型数据2.3文本型2.4其他2.5时间型2.6统计特征2.7特征结合featurestacker3.特征选择3.1Filter3.2Wrapper3.3Embedded4
黄小猿·2020-08-11 03:05

模式识别和机器学习 笔记 第一章Introduction

第一章introduction首先举了一个手写识别的例子，介绍了机器学习的基本概念：训练集、测试集合、训练阶段/学习阶段、泛化能力(generalization)、特征选择/抽取、监督式学习、分类、回归
iteye_14216·2020-08-11 03:57

模式识别和机器学习 笔记

第一章introduction首先举了一个手写识别的例子，介绍了机器学习的基本概念：训练集、测试集合、训练阶段/学习阶段、泛化能力(generalization)、特征选择/抽取、监督式学习、分类、回归
chinaliping·2020-08-11 02:07

模式识别学习笔记（二）

3、模式识别系统组成模式识别系统由数据获取、模式分割、预处理、特征生成、特征选择、模式分类和后处理组成。数据获取：传感器(例如相机、麦克风、激光雷达等），
Waddles·2020-08-11 02:01

机器学习(二)

Filter机器学习基础机器学习开发流程机器学习算法分类机器学习模型是什么数据的划分和介绍sklearn数据集转换器和预估器数据的降维维度是指的是数组的维度降维:维度:特征的数量数据降维:特征分析主成分分析特征选择的原因
zzugsh·2020-08-11 02:29

python 3.x实现特征选择ReliefF算法

说明下面代码修改自：vbaymax-特征择算法之ReliefF算法python实现太多人私信我要这份python3.x的代码了。所以干脆发一篇博客，需要的请自取。只需要代码的直接复制下面代码需要数据和代码的请到链接：https://share.weiyun.com/7sdVMZab密码：i3cwuu代码#!/usr/bin/envpython#-*-coding:utf-8-*-#@Time:20
tb_youth·2020-08-10 21:41

对LightGBM的一点理解

对于这类基于树的模型，最耗时的部分就是在进行特征选择结点分裂时，需要遍历所有可能的划分点，计算信息增益，从而找到最优的划分点。前面虽然
Bayes_y·2020-08-10 21:31

零基础入门数据挖掘-二手车交易价格预测（Day3建模调参）

目录减少数据在内存中占用的空间线性回归&五折交叉验证&模拟真实业务情况简单建模五折交叉验证事实上,五折交叉验证在某些与时间相关的数据集上反而反映了不真实的情况绘制学习率曲线与验证曲线嵌入式特征选择-大部分情况下都是用嵌入式做特征选择
fengshiyu1997·2020-08-10 16:07

西瓜书 习题11.1 编程实现Relief算法 特征选择、正则化总结

Relief算法的数据以及代码：https://github.com/qdbszsj/Relief西瓜书第十一章，主要讲了一下特征选择的方法，通常来说，有很多冗余特征，如果能把这些特征从我们的数据集中筛选出去
qdbszsj·2020-08-10 06:20

Python scikit-learn机器学习工具包学习笔记：feature_selection模块

Univariatefeatureselection：单变量的特征选择单变量特征选择的原理是分别单独的计算每个变量的某个统计指标，根据该指标来判断哪些指标重要。剔除那些不重要的指标。
weixin_30897079·2020-08-10 02:04

决策树

一般而言，决策树的生成包含了特征选择、树的构造、树的剪枝三个
沙滩捡贝壳的小男孩·2020-08-10 02:12

sklearn - 特征工程 - 特征选择

api：fromsklearn.feature_selectionimportVarianceThreshold噪声：某些特征对预测结果有负影响，还产生误差。冗余：两特征之间相似度高，数值接近，或成倍数关系。都纳入计算，消耗计算机性能。假如一列特征C，每个样本的c特征都是趋于相同的值(方差小)：这个特征不具有代表性，因为每个样本的这个特征都是接近的值。应该被删除VarianceThreshold：
来杯柠檬茶·2020-08-10 01:12

[Sklearn应用] Feature Selection 特征选择（一） SelectFromModel

此内容在sklearn官网地址：http://scikit-learn.org/stable/modules/feature_selection.htmlsklearn版本：0.18.2sklearn.feature_selection Themodulecanbeusedforfeatureselection/dimensionalityreductiononsamplesets,eithert
scxyz_·2020-08-10 01:43

机器学习实战（三）：Kaalge比赛Google QUEST Q&A Labeling

概览一、前言1.问题2.数据3.特征选择4.数据后处理三、搭建模型1.bert模型（base）2.Robert模型一、前言1.问题Kaggle比赛GoogleQUESTQ&ALabeling是一个文本分类问题
博途慧算·2020-08-09 22:53

特征选择

在实际的项目中，数据的预处理对我们最后的结果也会产生很大的影响，其中特征选择就是一个很重要的预处理过程，从字面意思也就是说我们可能不会使用所有的属性放入模型中进行训练，而是选择一些与结果有着直接联系的重要属性放入模型中进行训练
Lavender-csdn·2020-08-09 21:18

sklearn特征选择 保留特征名称

经过特征选择后，数据变成了array类型，并失去了特征名称，查询资料后没有找到直接保留特征名称的方法。但是有一个get_support函数，可以保留提取出来的特征索引。
秃头崽崽·2020-08-09 19:18

06_特征选择，特征选择的原因，sklearn特征选择API

1、特征选择在现实生活中，一个对象往往具有很多属性（以下称为特征），这些特征大致可以被分成三种主要的类型：1、相关特征：对于学习任务（例如分类问题）有帮助，可以提升学习算法的效果；2、无关特征：对于我们的算法没有任何帮助
to.to·2020-08-09 17:31

特征选择

参考文章：https://www.cnblogs.com/pinard/p/9032759.html和西瓜书特征选择是数据预处理的一种，主要有三种方式：过滤式选择，包裹式选择和嵌入式选择。
一路没你·2020-08-09 16:12

基于条件熵的特征选择

由于现在在做特征选择相关内容，之前没有太多编程的经验，所以初期对我来说有点难。现在通过写博客的方式来记录一下。本篇博客只要是针对只包含离散属性的数据集，基于条件熵来实现特征选择的python实现。
爱吃甜品的小朋友·2020-08-09 16:00

灵玖NlpirParser智能挖掘平台文本分类过滤系统

为此引入了文本分类过滤中常用的特征选择过程。
weixin_34144450·2020-08-09 14:23

文本分类与SVM

1.2特征选择文本分类中最著名的特征提取方法就是向量空间
半亩方塘code·2020-08-09 09:36

《数据科学概论》Python上机练习

，请参考https://blog.csdn.net/xiongpai1971/article/details/89364071Python与机器学习初步1，（决策树-易）通过信息增益，进行决策树第一个特征选择
xiongpai1971·2020-08-09 03:59

实现二维数组排序

最近在研究粗糙集、遗传算法、人工神经网络。在遗传网络计算适应性分数上，需要建立索引，要对二维数组排序。刚刚开始还感觉无从下手，最后应用c++库函数qsort轻松解决。
破茧quant·2020-08-09 02:28

【java办公自动化（8）】-- 朴素贝叶斯自动新闻分类

1、特征表示一篇新闻中，可以把新闻中出现的词作为特征向量表示出来，如X={昨日，是，国内，投资，市场…}2、特征选择特征中由于一些词对
艳学网·2020-08-08 21:14

opencv图像处理学习（三十三）——轮廓检测

图像中目标物体的形状检测是图像识别中重要的技术之一，对物体进行检测并提取首先需要做的就是提取物体的轮廓信息，然后再通过轮廓点集特征选择相应的算法进行处理，最后可得到物体的形状信息。
光电的一只菜鸡·2020-08-08 19:48

特征构建：生成多项式特征

解释下特征构建、特征抽取和特征选择：1、当数据拿到手里后，首先需要从现有数据中挑选或将现有数据进行变形，组合形成新特征，此过程称为特征构建。
levy_cui·2020-08-08 17:41

03-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。决策树场景一个叫做"二十个问题"
Cherry_cool·2020-08-08 12:49

【机器学习基础】PCA主成份分析算法

特征提取和特征选择（FeatureExtractionandselection）特征提取：主成分分析PCA：principalcomponentanalysis1947特征选择：自适应提升算法AdaBoost1995
codedrinker·2020-08-08 10:19

粗糙集的概念和一些例子

粗糙集的概念和一些例子粗糙集理论是一种研究不精确，不确定性知识的数学工具。
数据挖掘者·2020-08-08 03:19

机器学习：文本挖掘之特征选择

题目：下列哪个不属于常用的文本分类的特征选择算法？
计科小白兔·2020-08-07 23:05

决策树ID3和C4.5的区别

主要描述里ID3和C4.5的区别和改进，C4.5的优缺点，以及信息增益与信息增益比的计算方法区别ID3使用信息增益作为特征选择的度量C4.5使用信息增益比作为特征选择的度量信息增益g(D,A)=H(D)
yin_hei·2020-08-07 22:41

小嘿嘿之关联规则（Aprior&FTree）&特征选择&数据归约

特征选择是指从已有的M个特征中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。
xyxuyue·2020-08-07 22:27

通过线性回归模型及优化实现AQI分析与预测

3.3关于空气质量的验证3.4通过线性回归建模及优化，对空气质量进行预测3.4.1特征选择3.4.2异常值处理3.4.3分箱离散化3.4.4残
Jahree·2020-08-07 21:04

python数据分析实战之AQI预测

文章目录1、加载相关库和数据集2、数据处理和转换2.1简单的数据处理2.2数据转换3、建立基模型4、特征选择4.1RFECV4.2使用RFECV进行特征选择5、异常值处理5.1使用临界值进行填充5.2分箱离散化
恋恋风尘hhh·2020-08-07 21:00

2020-03-09-sklearn-DTs

决策树学习通常包括三个步骤：特征选择、决策树的生成和决策树的修剪。常见的决策树算法：ID3，C4.5，CART环境配置sklearn更新最新版本时，显示“
池池小姐·2020-08-07 18:37

特征选择：Boston house prices 数据集分析(R 语言)

Howthechoosethefeatures?怎样选择特征?constructamultivariatelinearmodelusingalltheprovidedfeaturesandchoosethosewith0.001significancelevel(or0.01,0.05significancelevel)使用所有的特征建立多元线性回归模型并且选择那些具有高显著性的特征plottin
starflyyy·2020-08-07 18:26

决策树的Cart算法及案例

在最优特征选择上，Cart算法采用基尼系数增益率作为判别标准（这里区别于ID3的信息增益和C4.5的信息增益率）。基尼系数和分类数算法
轻轻一point·2020-08-07 17:45

决策树和随机森林

决策树之特征选择依据决策树由根节点、非叶子节点和叶子节点三部分组成。信息熵：代表了信息的程度，类别数越多，熵值越大，信息越丰富；类别数越少，熵值越小，信息量越小。
qq_41627642·2020-08-07 17:42

基于自然语言处理的垃圾信息过滤方法

SpamFilteringMethodBasedonNaturalLanguageProcessing目录摘要Abstract1垃圾信息过滤技术1.1基于黑白名单的过滤技术1.2基于行为模式的过滤技术1.3基于社交平台举报机制的过滤技术1.4基于关键字的过滤技术1.5基于规则的过滤技术1.5.1粗糙集
失去斗志的菜鸟·2020-08-07 17:05

【ML算法】随机森林算法的总结（一）之决策树

决策树学习主要包括3个步骤：特征选择、决策树的生成、决策树的修剪。决策树学习常有的算法有ID3、C4.5、CART。
六毛吧·2020-08-07 16:46

机器学习之特征选择

特征选择方法初识：1、为什么要做特征选择在有限的样本数目下，用大量的特征来设计分类器计算开销太大而且分类性能差。
EuclideanSpace·2020-08-07 14:22

机器学习算法总结--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。决策树学习本质上是从训练数据集中归纳出一组分类规则，也可以说是由训练数据集估计条件概率模型。
spearhead_cai·2020-08-07 14:05

机器学习算法：决策树（decision tree）

目录决策树模型决策树学习特征选择信息增益(InformationGain)信息增益比(InformationGainRatio)决策树生成ID3算法C4.5算法决策树剪枝CART算法（classificationandregressiontree
空腹熊猫·2020-08-07 13:48

机器学习之决策树原理及其python实现

机器学习之决策树原理及代码实现写在前面决策树1.决策树的定义2.决策树我的理解特征选择信息增益信息增益比算法实现ID3算法C4.5算法CART决策树三种算法的对比写在前面这是我开始入坑的第一篇博客，全部内容基于我的理解和参考博客
cug_humoumou·2020-08-07 13:25
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他