粗糙集特征选择

特征选择与稀疏学习

一、子集搜索与评价一般地，我们可以用很多属性/特征来描述一个示例，例如对于一个人可以用性别、身高、体重、年龄、学历、专业、是否吃货等属性来描述，那现在想要训练出一个学习器来预测人的收入。根据生活经验易知：并不是所有的特征都与学习任务相关，例如年龄/学历/专业可能很大程度上影响了收入，身高/体重这些外貌属性也有较小的可能性影响收入，但像是否是一个地地道道的吃货这种属性就八杆子打不着了。因此我们只需要
luckmia·2020-07-14 18:58

特征工程-特征选择

特征工程-特征选择特征选择特征选择-Filter特征选择-Wrapper特征选择-Embedded特征工程目的：从特征集合中挑选一组具有统计意义的特征子集，从而达到降维的效果。
无知书童·2020-07-14 17:56

【十】特征选择

无限假设集问题TheCaseofInfiniteH在上一讲中我们讲解了有限假设集的情况，在这一讲中我们将把它扩展到无限假设集的情况上。我们先思考一种直观的思路。假设我们有一个无限假设集，它被d个参数描述。当我们将其存在计算机中时，如果以双精度浮点格式存储，则存储一个数需要64bit的空间，所以存储假设集中的一种假设就需要64dbit这么大的空间。由于计算机中一位只表示0和1，因此我们的“无限”假设
禛zhen·2020-07-14 13:30

特征工程

E5%B8%B8%E5%B9%B3%E6%BB%91特征工程更新时间：2018-05-02目录主成分分析特征尺度变换特征离散特征异常平滑随机森林特征重要性GBDT特征重要性线性模型特征重要性偏好计算过滤式特征选择窗口变量统
kingzone_2008·2020-07-14 13:45

python数据降维的几个常用操作

一、基于特征选择的降维基于sklearn的feature_selection进行特征选择SelectPercentile将变量集中的特征变量与目标变量根据指定函数进行分析打分，只保留用户指定百分比的最高得分的特征
景韦·2020-07-14 12:10

深度学习入门介绍

一般的机器学习处理流程如下：传感器获得数据——>预处理——>特征提取——>特征选择——>推理,预测或识别。
jlz2012·2020-07-14 12:22

特征选择

特征选择作者jacksu在简书关注2017.08.0900:18字数1252阅读255评论1喜欢2一个基本的数据挖掘场景如下：数据挖掘.jpg从上面的数据挖掘场景可知，当数据预处理完成后，我们需要选择有意义的特征
javastart·2020-07-14 12:49

数据预处理——离散化

与特征选择一样，
Mars_myCafe·2020-07-14 11:45

（3.3）特征选择---嵌入法（特征重要性评估）

一、正则化1.L1/LassoL1正则方法具有稀疏解的特性，因此天然具备特征选择的特性，但是要注意，L1没有选到的特征不代表不重要，原因是两个具有高相关性的特征可能只保留了一个，如果要确定哪个特征重要应再通过
dili8870·2020-07-14 09:39

机器学习&数据挖掘：特征选择之 wrapper approach

在前面简要介绍了特征选择的Filter方法，由于Filter方法还有很多，在此不能一一介绍。Filter方法从原始特征中选择特征子集，用于后续的机器学习算法。
我很平凡的·2020-07-14 08:13

机器学习 特征工程之特征选择

概念首先看一下维基百科中关于特征选择的介绍：在机器学习和统计学中，特征选择也被称为变量选择、属性选择或变量子集选择。它是指：为了构建模型而选择相关特征（即属性、指标）子集的过程。
傲慢的上校·2020-07-14 07:07

机器学习中特征选择怎么做？这篇文章告诉你

来源|AI开发者简介据《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）缺失值和异常值标准化减少数据集中存在的固有噪声（部分存储数据可能
文文学霸·2020-07-14 07:51

机器学习笔记（3） -- Boston House Price数据集预测

Python机器学习项目模版1.准备a)导入类库b)导入数据集2.概述数据a)描述性统计b)数据可视化3.预处理数据a)数据清洗b)特征选择c)数据转换4.评估算法a)分离数据集b)评估选项和评估矩阵c
Weixiaoooooooo·2020-07-14 06:41

(转载) 特征选择之Filter、Wrapper、Embedded

Wrappermethodsmeasurethe“usefulness”offeaturesbasedontheclassifierperformance.informationgainchi-squaretestfisherscorecorrelationcoefficientvariancethresholdFiltermethodspickuptheintrinsicpropertiesof
zeetng·2020-07-14 06:44

模式识别中运用增L减R法进行特征的选取

%----4.18编增l减r法特征选择clear;clc;%--------特征导入请自行修改M=256;N=256;loadcoourfeature_0420_FGL-5%%%共生矩阵96.14％feature
KevinTq·2020-07-14 05:26

scikit-learn和tensorflow的区别（转）

一个显而易见的不同：tf并未提供sklearn那种强大的特征工程，如维度压缩、特征选择等。
inberkung·2020-07-14 04:27

王力波实验室工作介绍

Featureselectionmethodsforbigdatabioinformatics:Asurveyfromthesearchperspective(2016)大数据生物信息学的特征选择方法：
Betrayer丶·2020-07-14 04:30

特征选择--wrapper,Embedded

wrapper定义Wrapper：包装法，根据目标函数（通常是预测效果评分），每次选择若干特征，或者排除若干特征。包装法需要结合后续选择的机器学习算法，一起选择出能使最终算法达到较高性能的特征子集。根据目标函数，每次选择部分特征，或者排除部分特征。常用包装法：递归特征消除法：简称RFE，使用一个基模型来进行多轮训练，每轮训练后，移除若干权值系数的特征，再基于新的特征集进行下一轮训练。对特征含有权重
TKE_aoliao·2020-07-14 02:02

医学图像肿块的检测、分割、分类

医学图像肿块的检测、分割、分类1.医学图像处理的基本流程是：图像的预处理（去噪、二值化等）特征提取、特征选择、分类2.主要是利用图像处理技术，对医学图像的进一步处理获得形状、颜色、纹理以及与周围组织的关系等数据信息来对图像进行准确的分析
weixin_42152656·2020-07-13 20:42

一些可供参考的论文题目

Rough集理论代数观与信息观的比较研究基于粒计算的知识获取算法研究基于粗糙集理论的自主式朴素贝叶斯学习算法研究基于协作过滤的个性化服务技术研究基于多图像融合的岩石节理裂隙识别公路防噪板的隔音效果的计算机仿真实验智能网络广告监测系统及情报分析基于
weixin_34217773·2020-07-13 18:12

Python学习笔记外传之sklearn中的Pipeline串联用法（一）

Pipeline处理机制就像是把所有模型塞到一个管子里，然后依次对数据进行处理，得到最终的分类结果，例如模型一可以是一个数据标准化处理，模型二可以是特征选择模型或者特征提取模型，模型三可以是一个分类器或者预测模型
慕顾筱·2020-07-13 14:09

Pipeline和Gridsearch并行化调参简介

本例构建一个管道来进行降维和预测的工作:先降维,接着通过支持向量分类器进行预测.本例将演示与在网格搜索过程进行单变量特征选择相比,怎样使用GrideSearchCV和管道来优化单一的CV跑无监督的PCA
mishidemudong·2020-07-13 14:03

决策树--ID3，C4.5

决策树学习通常包括三个步骤：特征选择、决策树生成和决策树修剪。代表性的算法：ID3，C4.5，CART决策树学习本质上是从训练数据集中归纳出一组分类的规则，找到一个和训练数据矛盾较小的决策树。
大力水手王老吉·2020-07-13 10:37

降维--PCA，特征选择

降维引入原因均值和方差的矩阵形式PCA最大投影方差最小重构代价PCA算法描述引入原因为了防止过拟合，我们通常的解决办法有：增加数据，正则化，降维等方法。为什么要引入降维呢？当数据量过大特征过多的时候，数据的维度过高有可能会导致维度灾难。在没有更过数据进行补充的情况下，一般都是做降维处理。而且在高维情况下，数据会越来越稀疏，并且数据会分布在样本空间的边缘地区，这绝对不是我们想要的结果。下面看看降维的
大力水手王老吉·2020-07-13 10:36

特征选择---SelectKBest

在sklearn中特征选择函数SelectKBestfromsklearn.feature_selectionimportSelectKBest调用方式#skb=SelectKBest(chi2,k=3
隐者之王·2020-07-13 10:50

基于内容的视频分析中关键帧提取和目标分割的融合

在本文中，我们通过为这两个过程构造一个统一的特征空间来实现关键帧提取和目标分割，这里将关键帧提取看成是在基于混合高斯模型视频建模背景下为目标分割进行的特征选择过程。
Forsure·2020-07-13 07:11

【图像识别】【读论文】基于Kinect手势识别的网页控制软件设计——陈建军

一、静态手势识别1.图像预处理2.图像分割3.特征提取4.特征选择5.分类器图像识别离不开这个框架，如何写一篇论文或者发表篇毕业设计？
linghugoogle·2020-07-13 07:08

sklearn特征选择和分类模型

sklearn特征选择和分类模型数据格式：这里，原始特征的输入文件的格式使用libsvm的格式，即每行是labelindex1:value1index2:value2这种稀疏矩阵的格式。
lingerlanlan·2020-07-13 07:36

使用sklearn做单机特征工程

2数据预处理2.1无量纲化2.1.1标准化2.1.2区间缩放法2.1.3标准化与归一化的区别2.2对定量特征二值化2.3对定性特征哑编码2.4缺失值计算2.5数据变换2.6回顾3特征选择3.1Filter3.1.1
bestlinjiayin·2020-07-13 03:20

服务地图小结

根据产品自身特征选择服务地图的展现布局，时间轴式或车轮布局式，时间轴式的优势在于流程顺畅清晰，车轮布局的优势在于每一部分与整体的关系。b.资料收集
六天NA·2020-07-13 00:49

决策树与随机森林(从入门到精通)

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。而随机森林则是由多个决策树所构成的一种分类器，更准确的说，随机森林是由多个弱分类器组合形成的强分类器。
Cyril_KI·2020-07-12 21:47

Task04 建模调参

内容介绍线性回归模型：线性回归对于特征的要求；处理长尾分布；理解线性回归模型；模型性能验证：评价函数与目标函数；交叉验证方法；留一验证方法；针对时间序列问题的验证；绘制学习率曲线；绘制验证曲线；嵌入式特征选择
Xavier学长·2020-07-12 20:41

机器学习那些事——文本挖掘中的特征提取

首先明晰几个概念，特征提取、特征选择（特征选取）FeatureSelection、特征抽取FeatureExtraction。一般来说，特征提取实际上有两大类方法。
zjxiaolu·2020-07-12 20:43

随机森林算法OOB_SCORE最佳特征选择

2018-04-02更新：补充OOB特征选择另一个原理SklearnRandomForest算法（有监督学习），可以根据输入数据，选择最佳特征，减少特征冗余；同理，可以通过特征的排列组合，选择最优的组合特征
三印·2020-07-12 19:04

数据预处理之特征选择

特征选择的意义在对数据进行异常值、缺失值、数据转换等处理后，我们需要从当前数据集中选出有意义的特征，然后输入到算法模型中进行训练。
lonely_square_three·2020-07-12 17:39

个人总结：机器学习与算法工程师方向面试题及答案（持续更新）

机器学习与算法工程师方向面试题及答案1.快速排序2.列表中是否有这个数——二分查找3.拉格朗日对偶性4.k-means原理及复杂度5.逻辑回归和SVM区别6.过拟合问题怎么解决7.PCA降维8.特征工程之特征选择
Penn Li·2020-07-12 14:58

Group Sparse Regularization for Deep Neural Networks：深度神经网络的组稀疏正则化 (翻译)

GroupSparseRegularizationforDeepNeuralNetworksScardapaneS,ComminielloD,HussainA,etal摘要：在本论文中，我们考虑同时进行以下优化任务：深度神经网络的权重、隐层神经元的数量以及输入特征选择
sssaltyfish·2020-07-12 13:24

光谱特征选择

光谱特征选择（谱特征选择）简介算法框架算法推导总结Spectralfeatureselection可翻译为谱特征选择，之前的特征提取学习中陷入了光谱特征选择翻译的误区。
陈知鱼·2020-07-12 12:23

机器学习简介

加工后的数据：特征选择数据进行分段讨论：决策树和随机森林3、线性分类处理的都是线性可分的问题，根据分配的依据原则，可以分为软分类和硬分类两种。其中，硬分类是根据决策边界
一弦-sring·2020-07-12 12:37

基于scikit-learn的文本特征提取和特征选择

一、参考资料scikit-learn的特点见：https://www.leiphone.com/news/201701/ZJMTak4Y8ch3Nwd0.html。说明文档包括在线官网scikit-learn首页、官网的pdf、Apache翻译的scikit-learn中文文档。进到scikit-learn首页，看到的6个部分就对应Scikit-learn的六大基本功能：数据预处理，数据降维，分类
雪糕cool·2020-07-12 11:51

DataWhale一周算法进阶2---特征工程（半成品。。继续改进）

文章目录一任务二特征工程一特征工程二特征选择三特征选择——IV值四特征选择——随机森林三代码实现一pythonIV值的实现（代码未调通）二特征选择——随机森林代码的实现四问题Reference一任务特征选择
Aunty Joey·2020-07-12 11:32

2018 建模C题_恐怖活动分级

思路一：模糊综合评价、层次分析法、秩和比综合评价、粗糙集法。权值可以通过阅读文献来确定主观评价题，之前怎么
馬冬梅啊·2020-07-12 10:40

基于遗传算法（GA）的R特征选择

什么是遗传算法（GA）？GA中的GA。解决方案是什么样的？GA流程及其运营商。健身功能。R中的遗传算法自己尝试一下。关于概念。图片标题动画来源：“基于肌肉的双足动物运动”-ThomasGeijtenbeek[在Twitter和LinkedIn上找到我]项目背后的理念想象一个黑盒子，它可以帮助我们在无限多种可能性之间做出决定，其标准是我们可以找到一个可接受的解决方案（时间和质量）来解决我们制定的问题
weixin_34026484·2020-07-12 08:09

基于sklearn的决策树算法

1.1特征选择对于结点的选择，总得需要一个计算方法来实现，这个方法的目标是优先选择分类能力强的特征，这样才提高决策树的效率，如果随机选择特征的话将会产生复杂度或者是结点更多的决策树，显然不是我们想要的。
诺坎普奇迹·2020-07-12 05:37

RF、GBDT、XGboost特征选择方法

RF、GBDT、XGboost都可以做特征选择，属于特征选择中的嵌入式方法。
phoebe寻常·2020-07-12 04:54

特征工程

2数据预处理2.1无量纲化2.1.1标准化2.1.2区间缩放法2.1.3标准化与归一化的区别2.2对定量特征二值化2.3对定性特征哑编码2.4缺失值计算2.5数据变换2.6回顾3特征选择3.1Filter3.1.1
暮雪成冰·2020-07-12 03:34

随机森林，xgboost, gbdt

决策树决策树生成包含三个步骤:特征选择——>决策树生成——>决策树修剪:特征选择：理解:根据某些规则选取使决策树性能最好的特征1.1信息熵1.2信息增益（缺点：偏向于选取值较多的特征）1.3信息增益比（
Nine-days·2020-07-12 02:47

故障数据特征提取

从故障信号中提取特征特征工程包含特征构建、特征提取、特征选择等，特征提取中有PCA、ICA、LDA以及最新的降维方法t-SNE等，特征选择也有很多种方法可供使用。
隔壁王者新·2020-07-12 00:05

特征选择之遗传算法

遗传算法的优点：1.与问题领域无关切快速随机的搜索能力。2.搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，robust.3.搜索使用评价函数启发，过程简单4.使用概率机制进行迭代，具有随机性。5.具有可扩展性，容易与其他算法结合。6.遗传算法具有良好的全局搜索能力，可以快速地将解空间中的全体解搜索出，而不会陷入局部最优解的快速下降陷阱；是全局优化算法，一般的迭代方法容易陷入局部极小
sunflower_sara·2020-07-12 00:27

OpenCV学习笔记（十五）形状检测

1轮廓检测图像目标中的形状检测是图像识别的重要的技术之一，对物体进行检测并提取，首先要做的就是提取物体的轮廓信息，然后在通过点集特征选择相应的算法进行处理，最后得到物体的形状信息。
spw_1201·2020-07-11 23:25
上一页 40 41 42 43 44 45 46 47 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他