粗糙集特征选择

基于决策树的分类回归（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
亓了个葩·2020-07-11 23:34

论文笔记_SLAM_Review_Visual simultaneous localization and mapping: a survey

5VisualSLAM现存重要问题6VisualSLAMproblem的解决方案6.1基于概率滤波器的经典方式6.2增量式的SfM6.3受生物学启发的技术7Salientfeatureselection(显著特征选择
skyjhyp11·2020-07-11 23:04

决策树与随机森林初探

1、特征选择的几种方式2、几种常见的决策树算法3、过拟合处理——剪枝4、连续值属性特征的处理5、Bagging（代表：随机深林）6、Boosting（提升）(代表：AdaBoost、GBDT、XGBoost
小李飞飞砖·2020-07-11 22:49

数据预处理

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。
shifanfashi·2020-07-11 22:38

基于LSTM多维度特征的资金流预测

LSTM多维度特征的资金流预测项目背景观察数据进行处理特征选择代码实现得到结果预测图项目背景本篇主要是使用天池比赛中余额宝资金流的数据，已知在2013年7月1日至2014年8月31日内余额宝每日申购和赎回的资金流
将进酒杯莫停。·2020-07-11 19:46

回归模型 中 特征 重要性 分析

2.sklearn有一个feature_select模块可以做特征选择。sklearn库里面其实基本的都可以搞
SamWang_333·2020-07-11 18:37

重要 线性回归的特征选择 根据 P值， SelectKBest（识别哪些feature选中）, SelectPercentile 迭代选择

在特征选择中，最适合在探索阶段使用的就是过滤式的方法，比如方差阈值法和单变量选择法。在上一篇文章中我们介绍了如何在sklearn中使用方差阈值法，那么今天我们就进一步介绍更加实用、有效的单变量选择法。
SamWang_333·2020-07-11 18:37

Kaggle竞赛：San Francisco Crime Classification（旧金山犯罪分类） 参赛心得

列进行编号（3）对PdDistinct列进行编号三、特征分析3.1按‘year’和‘month’类型统计3.2按‘DayOfWeek’和‘hour’类型统计3.3Address列3.4经度X和纬度Y四、特征选择
陈宸-研究僧·2020-07-11 17:06

数学建模大作业中涉及到的知识点总结

数学建模大作业中涉及到的知识点总结：（1）写作缘由（2）统计描述：追加用excel做频率统计（3）相关分析（点二列相关）（4）回归分析（5）特征选择和数据预处理（6）缺失值的填充（7）文档编辑的一些技巧
追风之人YL·2020-07-11 16:56

8.正交匹配跟踪 Orthogonal Matching Pursuit (OMP)s

OrthogonalMatchingPursuitandorthogonal_mp实现了一个用来逼近在非零系数的个数上加约束的线性模型的拟合的OMP算法(比如L0pseudo-norm)和LeastAngleRegression最小角回归一样，作为一个前向特征选择方法
alex_陈·2020-07-11 15:51

《百面机器学习》第零问：什么是特征工程？什么是结构化数据？什么是非结构化数据？

1.2.1特征构建1.2.2特征提取1.2.2.1特征提取常用方法1.2.3特征选择1.2.3.1特征选择常用方法2.结构化数据3.非结构化数据1.特征工程特征工程师对原始数据进行一系列的工程处理，作为输入供算法和模型使用
人工智能博士·2020-07-11 15:29

2018年4月11日

上午试用APP数据做建模，结果不管是归不归一化结果都一般，而且特征选择的效果也不是很好，谜。中午吃饭时居然遇到领导同桌，还一边吃一边问进度，这就很紧张了！中午小睡一会儿补足精力。
真昼之月·2020-07-11 14:05

平均不纯度减少（mean_decrease_impurity）

随机森林提供了两种特征选择的方法：平均不纯度减少和平均精确度减少（sklearn没有直接提供）。平均不纯度减少中，对于分类问题通常采用基尼不纯度或者信息增益。
曦宝·2020-07-11 13:32

特征选择之遗传算法

基于遗传算法的特征选择是一种wrapper方法，该算法是以支持向量机分类器的识别率作为特征选择的可分性判断依据。
littlely_ll·2020-07-11 11:23

故障诊断1—基础理论

其中,定量分析方法又分为基于解析模型的方法和数据驱动的方法,后者又进一步包括机器学习类方法、多元统计分析类方法、信号处理类方法、信息融合类方法和粗糙集方法等。图1故障诊断方
路漫求索_CUMT·2020-07-11 09:50

sklearn 数据预处理，数据降维之特征选择，PCA主成分分析

目录1.数据集的维度2.什么是数据集降维3.数据降维的方式4.特征选择1.特征选择的原因2.特征选择是什么3.特征选择的主要方法4.Filter（过滤式）:VarianceThreshold5.PCA主成分分析
JJH的创世纪·2020-07-11 04:02

活用西瓜书——sklearn包中的特征选择函数的使用

1.特征选择特征选择是一个很重要的“数据预处理”过程，我们在做数据挖掘时拿到的数据一般都是
berrymusic·2020-07-11 02:34

用遗传算法进行特征选择

文章目录一、问题举例二、算法描述1、基于类内类间距离的可分性判据2、遗传算法（GeneticAlgorithm）1)初始化种群2）计算当前种群M（t）中每条染色体的适应度值f（m）3）基于适应度值的选择4）交叉5）变异6）重复迭代3、顺序前进法和顺序后退法三、结果1、在sonar数据集上验证遗传算法2、在Iris数据集上验证遗传算法3、顺序前进法和顺序后退法5、对比算法：顺序前进法和顺序后退法四、
Mr_Lowbee·2020-07-10 22:45

遗传算法之特征选择的python实现

目录1遗传算法特征选取基本原理2.适应度函数选择和环境要求（1）适应度函数选择（2）依赖的第三方工具包3.python实现1遗传算法特征选取基本原理遗传算法特征选择的基本原理是用遗传算法寻找一个最优的二进制编码
没伞的孩纸努力奔跑·2020-07-10 16:33

深度学习——预训练

若用监督则需大量标注样本，不然小规模样本容易造成过拟合（深层网络意味着特征比较多，机器学习里面临多特征：1、多样本2、规则化3、特征选择）；多层神经网络参数优化是个高阶非凸优化问题，常收敛较差的局部解；
zchang81·2020-07-10 14:26

文本自动分类

使用机器学习方法做文档的自动分类套路：1.根据每个文件生成该文件的一个特征2.根据特征选择分类器进行文本分类3.
笔尖的痕·2020-07-10 12:26

机器学习中经常使用的特征选择方式+python实现代码

当数据与处理完成后，我们需要选择有意义的特征输入算法和模型进行训练，通常来说，从两个方面来选择特征：1、特征是否发散，如果某一个特征的方差为0，即这个属性不能被称之为特征，因为所有的样本在这个特征上并没有什么区别，这种特种需要被剔除；但是如果相反，所有样本在在这个特征上都不一样，比如公民的身份证号码，不能反映出样本的共性的特征的话，特征也必须被剔除。2、特征与目标之间的相关性，如果特征与目标相关性
东东oyey·2020-07-10 04:35

机器学习学习比价（四）-模型评估与选择

绪论模型评估与选择（1）模型评估与选择（2）模型评估与选择（3）线性模型（1）线性回归决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习模型评估与选择
宝剑磨，梅花寒·2020-07-10 00:39

机器学习学习笔记（五）-线性模型

绪论模型评估与选择（1）模型评估与选择（2）模型评估与选择（3）线性模型（1）线性回归决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习第三章
宝剑磨，梅花寒·2020-07-10 00:39

机器学习学习笔记（三）-模型评估与选择

绪论模型评估与选择（1）模型评估与选择（2）模型评估与选择（3）线性模型（1）线性回归决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习模型评估与选择
宝剑磨，梅花寒·2020-07-10 00:39

特征选择方法

特征选择当数据预处理完成后，我们需要选择有意义的特征输入机器学习的算法和模型进行训练。
丹之·2020-07-09 22:15

机器学习之特征选择方法

《机器学习》将特征选择分为了三种方法：分别是过滤式（filter）、包裹式（wrapper）和嵌入式（embedded）。下面依据sklearn中的特征选择文档来叙述特征选择的几个方法。
人鱼线·2020-07-09 21:17

数据挖掘面试十问（1）

8.特征选择的方法？9.CNN、RNN、LSTM？10.决策树C4.5ID3CART的区别？
Mervyn_2014·2020-07-09 19:07

机器学习之特征工程（二）

文章目录1.特征工程思维导图2.特征提取2.1探索性数据分析2.2数值特征2.3类别特征2.4时间特征2.5空间特征2.6文本特征3.特征选择3.1过滤方法3.2封装方法3.3嵌入方法参考1.特征工程思维导图在机器学习应用中
dzysunshine·2020-07-09 15:56

基于高光谱图像分类的分析研究

本文简单介绍高光谱图像分类相关的特征提取、特征选择、分类方法介绍近年来，高光谱图像分类得到了广泛的研究，然而，高光谱遥感图像特征维度高、波段间相关性强以及光谱混合等特性给高光谱图像分类带来一些困难。
Mr_Jiax·2020-07-09 11:49

面试复习提纲

目录1机器学习及深度学习基础知识1.1模型分类1.2交叉验证1.3评价指标1.4正则化（Regularization）1.5特征工程1.5.1样本不平衡问题1.5.2特征选择的方法1.5.3数据预处理1.6
Hirosora·2020-07-09 11:42

吴恩达机器学习（Machine Learning）课程总结笔记---Week9

文章目录0概述1.课程大纲2.课程内容2.1异常检测2.1.1什么是异常检测2.1.2高斯分布2.1.3高斯分布算法2.1.4评估系统2.1.5异常检测和监督学习对比2.1.6特征选择2.1.7多元高斯分布
csdn_SUSAN·2020-07-09 10:06

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
yeting067·2020-07-09 03:43

微博中的机器学习之特征选择

特征选择从最初的人工选择，到半自动特征选择，到全自动选
喂鱼W_y·2020-07-09 01:06

RFECV方法实现特征选择

RFECV方法实现特征选择分成两个部分：RFE（Recursivefeatureelimination）：递归特征消除，用来对特征进行重要性评级。
乐无异kop·2020-07-09 00:22

文本挖掘之LDA主题模型

大量的数据都是非结构化的，很难从信息中直接获取相关和期望的信息，一种文本挖掘的方法：主题模型（TopicModel）能够识别在文档里的主题，并且挖掘语料里隐藏信息，并且在主题聚合、从非结构化文本中提取信息、特征选择等场景有广泛的用途
MoModel·2020-07-08 22:42

机器学习 特征选择（过滤法 封装法 嵌入法）

特征选择在机器学习工程中，特征工程才是最重要，特征决定着算法的上限，特征工程中最为重要和最为基础的两种技术，就是特征选择和特征降维。
打牛地·2020-07-08 21:11

机器学习 | 决策树

决策树根据输出的不同，分为回归树和分类树，但两种树的学习过程并无特别大的不同，都是分为两步：决策树生成决策树剪枝1、特征选择方法entropyrelationdiagram熵：随机变量X的熵被定义为：其中
JSong1122·2020-07-08 21:02

特征选择—过滤法(Filter)、嵌入法(Embedded)和包装法(Wrapper)

最近邻算法KNN，支持向量机SVM，决策树，神经网络，回归算法等遍历特征或升维运算，本身的运算量很大，需要的时间很长，因此特征选择很重要。
一弦-sring·2020-07-08 20:51

住房月租金预测大数据赛个人总结

baseline（xgboost模型）原始特征丢弃尝试根据有序特征进行聚类，构造无监督特征rank-encoding/mean-encoding依据领域知识构建特征：特征选择catboost模型调参模型融合
clever_egg·2020-07-08 20:19

山东大学软件学院2019机器学习期末试题整理（数媒）

自己整理的复习资料，欢迎下载：添加链接描述一、概念题1、机器学习过程，每个环节主要操作2、集成学习的概念，BOOSTING和BAGGING思想3、交叉验证法4、特征提取和特征选择的区别5、隐马尔科夫模型定义形式
沉迷学习想要自拔的菜鸡·2020-07-08 20:28

机器学习特征选择-使用假设检验法

#使用假设检验法importstatsmodels.apiassmY=df1["总价"].valuesX=df1[["建筑面积","室","厅","卫","中装修","毛坯","精装修","豪华装修","东","东北","东南","南","西","西北","西南","低层","高层"]]X_=sm.add_constant(X)#使用最小平方法result=sm.OLS(Y,X_)#fit方法运行
yuxj记录学习·2020-07-08 20:29

机器学习西瓜书（周志华）第四章 决策树

第四章决策树1.概述2.特征选择2.1信息增益2.2信息增益率2.3基尼指数3.决策树生成4.决策树剪枝4.1预剪枝4.2后剪枝5.连续与缺失值5.1连续值处理5.2缺失值处理6.多变量决策树7.sklearn
视界IT·2020-07-08 19:26

机器学习算法岗的常见面试问题及准备

机器学习常见问题1)几种模型（SVM，LR，GBDT，EM）的原理以及公式推导；2)RF,GBDT的区别；GBDT,XgBoost的区别（烂大街的问题最好从底层原理去分析回答）；3)决策树处理连续值的方法；4)特征选择的方法
诶呀吗_Bug·2020-07-08 19:05

特征工程--特征选择wrapper（递归特征消除）

递归特征消除(RecursiveFeatureElimination)递归消除特征法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。sklearn官方解释：对特征含有权重的预测模型(例如，线性模型对应参数coefficients)，RFE通过递归减少考察的特征集规模来选择特征。首先，预测模型在原始特征上训练，每个特征指定一个权重。之后，那些拥有最小
逍遥叹~·2020-07-08 19:56

特征选择的一点个人笔记

前一阵被师妹问维生素论文里的特征选择，Fisherscore和Laplacianscore两种方法一直也没讲。于是趁把第四篇论文刚投完，马上把这个总结一下。
weixin_34357928·2020-07-08 18:11

特征选择常用算法综述

1综述(1)什么是特征选择特征选择(FeatureSelection)也称特征子集选择(FeatureSubsetSelection,FSS)，或属性选择(AttributeSelection)，是指从全部特征中选取一个特征子集
weixin_34007906·2020-07-08 16:19

文本挖掘之特征选择(python 实现)

维度规约可以分为两类：特征选择(featureselection)，从原始的d维空间中，选择为我们提供信息最多的k个维(这k个维属于原始空间的子集)特征提取(featureextraction)，将原始的
weixin_30698297·2020-07-08 14:48

随机森林基础知识总结

3.随机森林是当前一个比较火的算法，它的优点有：a.在数据集上表现良好；b.在当前的很多数据集上相对于其他算法有很大的优势；c.能处理很高维度的数据，并且不用做特征选择；d.在训练
ma_studd·2020-07-08 11:24

实战微课：机器学习在推荐系统中的应用-章华燕-专题视频课程

本课程后通过完整的大型项目，帮助学员从构建数据集、特征选择、模型调参、模型评估与验证一步步掌握机器学习项目开发的完整流程，同时能够完整地学习到推荐系统的相关基础知识。
JeemyJohn·2020-07-08 11:40
上一页 41 42 43 44 45 46 47 48 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他