粗糙集特征选择

数据预处理之数据无量纲化(标准化/归一化)

在进行特征选择之前，一般会先进行数据无量纲化处理，这样，表征不同属性（单位不同）的各特征之间才有可比性，如1cm与0.1kg你怎么比？
小方哥哥·2020-07-01 12:26

机器学习入门（四）：决策树算法详解，代码实现及决策边界绘制

决策树算法：文章目录决策树算法：特征选择举例说明理论基础：实际例子计算决策树生成代码模拟：树的生成图决策边界绘制剪枝预剪枝参考文献这里主要讲的是决策树分类，该算法主要从以下三个方面入手：特征选择决策树生成剪枝特征选择特征选择就是通过比较属性
OldDriver1995·2020-07-01 12:54

常用的特征选择方法

作者：城东链接：https://www.zhihu.com/question/28641663/answer/110165221来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。目录1特征工程是什么？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3特征
panda爱学习·2020-07-01 12:24

（信贷风控三）申请评分卡中的数据预处理和特征衍生（下）

申请评分卡中的数据预处理和特征衍生（下）在上一遍申请评分卡中的数据预处理和特征衍生（上），我们主要讲解了构建信用风险类型的特征特征分箱WOE编码也就是对应图中（数据预处理、特征构造）这篇文章我们主要讲解特征选择
路易三十六·2020-07-01 11:10

机器学习十大算法---4. 决策树

决策数有两大优点：1）决策树模型可读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度学习过程一棵决策树的生成过程主要分为以下3个部分:特征选择
女王の专属领地·2020-07-01 10:24

机器学习中常见的问题整理（一）

对于xgboost，它能够很好地做到特征选择，所以这一点不用我们去操心太多。至于特征变换（离散化、归一化、标准化、取log等等）
笛在月明·2020-07-01 10:10

属性重要性的举例（定性数据聚类）

1.基础知识粗糙集和等价关系可参考：https://blog.csdn.net/windmxf/article/details/2288540（粗糙集理解之一：基本概念）点击打开链接2.属性重要性对于一个信息系统
麦香鱼配阳光橙·2020-07-01 09:48

文本分类学习 （四） 特征选择之卡方检验

前言：上一篇提到了特征提取，或者叫做降维。在文本分类中，特征提取算法的优劣对于文本分类的结果具有非常大的影响。所以选择效果好的特征提取算法是文本分类前中很重要的步骤。于是这篇就对卡方检验做一个介绍。这是一个效果很好的特征提取方法。之前对卡方检验做过介绍：卡方检验是通过对特征进行打分然后排序，选择排名靠前的特征来表示文本。目录：文本分类学习（一）开篇文本分类学习（二）文本表示文本分类学习（三）特征权
Dacc123·2020-07-01 08:41

建模调参

学习内容线性回归模型：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
Bossun1127·2020-07-01 08:47

Datawhale零基础入门数据挖掘-Task4建模调参

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；2.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；3.嵌入式特征选择
BigCabbageFy·2020-07-01 08:10

机器学习中的特征数据选择三部曲

这里我们将对特征工程中经常用到的特征数据选择方法进行介绍使用和说明，主要分为三个部分，分别为：单变量选择、线性模型选择和随机森林模型特征选择。
Python中文社区·2020-07-01 08:33

面试中关于LR逻辑回归问题的整理

它已经变成了一个历史记忆，这就是为什么treebased模型在稀疏大规模ID类特征表现不行的原因（2）对于逻辑回归模型，一方面，它可以处理大规模的数据，可以并行处理；另一方面，我们可以通过L1正则化，进行特征选择关于模型在各个维度进行不均匀伸缩
zirenzhixin·2020-07-01 07:37

机器学习笔试题精选（六）

今天的笔试题主要涉及的知识点包括：降维、PCA、特征选择、随机森林、
weixin_33957648·2020-07-01 05:52

决策树基本思想

决策树的决策过程需要从决策树的根节点开始，待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶子节点作为最终的决策结果实际上就是找到最纯净的划分，要达到这个目标，要干这些事：特征选择决策树生成剪枝在讲这三个步骤之前
快乐的大儿童附体·2020-07-01 05:54

银行客户流失分析

3、样本不均衡处理4、虚拟变量变换5、特征标准化特征选择数据建模和调参模型评价XGBoost模型介绍、调参及评估XGBoost模型介绍XGBoost模型原理XGBoost模型优点XG
qq_44451414·2020-07-01 04:49

客户流失预警分析

1.2商业目标1.3工具与技术的评估二、数据理解及数据准备2.1数据理解2.2数据清洗及数据构建2.3数据探索性分析2.3.1离散变量的探索性分析2.3.2连续变量的探索性分析三、建立模型3.1建模前的特征选择
丿才知晓·2020-07-01 04:49

机器学习入门笔记（五）：决策树

文章目录一.决策树模型与学习1.1决策树模型1.2决策树与if-then规则1.3决策树与条件概率分布1.4决策树的学习二.特征选择2.1信息增益2.2例题：利用信息增益求解问题2.3信息增益比三.决策树的生成
逐梦er·2020-07-01 04:01

降维算法：主成分分析 VS 自动编码器

降维主要有两种途径：特征选择和特征变换。特征选择通过选择重要程度最高的若干特征，移除共性的或者重要程度较低的特征。特征转换也称为特征提取，试图将高维数据投影到低维空间。
deephub·2020-07-01 03:15

【文本分类】 特征抽取之信息增益

/archive/2009/03/24/261701.html作者：Jasper(fromBlogJava)在前面的《文本分类概述》文章中，我们讲到了基于统计学习的方法进行分类的关键在于对训练集语料的特征选择的好坏
ccnunlp·2020-07-01 01:41

机器学习实战第一步：特征选择与特征工程（使用类RobustScaler对异常值进行控制和选择分位数范围）

转载：https://www.toutiao.com/i6641904652575048206/?tt_from=weixin&utm_campaign=client_share&wxshare_count=1×tamp=1590562909&app=news_article&utm_source=weixin&utm_medium=toutiao_android&use_new_sty
zzx3163967592·2020-06-30 21:20

决策树---MATLAB程序

决策树学习通常包括三个步骤：特征选择、决策树的生成和
编程芝士·2020-06-30 21:02

1.2 特征、特征向量和分类器

这是一个很重要的问题，它在分类系统设计的特征选择阶段完成。在实际问题中，总是产生大量的特征供选择，需要选择其中最具有代表性的特征来使用。对
爱吃香菇的小姑娘·2020-06-30 19:46

机器学习：特征工程

特征选择直接影响模型灵活性、性能及是否简洁。好特征的灵活性在于它允许你选择不复杂的模型，同时运行速度也更快，也更容易理解和维护。特征选择四个过程：产生过程，评价函数，停止准则，验证过程。
CS青雀·2020-06-30 19:12

李宏毅机器学习任务八

决策树学习通常包含3个步骤：特征选择：从训练数据的特征中选择一个特征作为当前节点的分裂标准决策树生成：根据所选特征评估标准，从上至下递归地生成子节点，直到数据集不可分则停止决策树剪
iKangaroo·2020-06-30 19:41

[PED07]Feature Selection for Clustering:A Review聚类特征选择综述

文章目录0.1introduction介绍0.1.1DataClustering聚类0.1.2FeatureSelectionModels特征选择0.1.3FeatureSelectionforClustering
zpainter·2020-06-30 19:58

C4.5算法详解（非常仔细）

不同的决策树算法有着不同的特征选择方案
Maggie张张·2020-06-30 18:22

文本分类的基本步骤是什么，主要划分为几步？

3、文档特征选择。在所有文档特征向量中，选取最优子集表示文档，减少特征向量计算量。4、选择分类器。KNN，SVM是文本分类中常用的分类模型。当然，也可以选择bayes、回归模型等。
人工智能爱好者·2020-06-30 16:33

一个典型的模式识别系统，主要分为哪几个模块？

利用这些数据，我们就可以进行后续的预处理、特征提取、特征选择等工作。一般来说，这里的数据采集肯定需要借助相应的硬件设备，诸如，声音传感器、图像传感器等等。
人工智能爱好者·2020-06-30 16:31

激活函数之sigmoid激活

activationfunction)的作用：1）线性模型表达能力不足，通过激活函数来编码非线性表达，从而捕捉数据的非线性因素；2）在深层卷积神经网络中，激活函数在每一层除了扮演非线性单元的角色，并且还起到了特征选择的作用
Holo-bo·2020-06-30 12:34

特征提取算法简单学习笔记

特征提取：利用已有的特征计算出一个抽象程度更高的特征集，也指计算得到某个特征的算法特征选择：尝试从初始的特征集T中选择对文本描述效果最好的特征子集T’（重点是“选择”）我的理解：特征提取：需要进行特征变换
amiliaaaa·2020-06-30 12:23

特征选择

Filter**先进行特征选择，然后去训练学习器，所以特征选择的过程与学习器无关。**相当于先对特征进行过滤操作，然后用特征子集来训练分类器。
ys1305·2020-06-30 09:46

决策树的Python实现（含代码）

文章目录一、概述二、决策树的构建准备工作1.特征选择1.1香农熵及计算函数1.2信息增益2.数据集最佳切分函数3.按照给定列切分数据集三、递归构建决策树1.ID3算法2.编写代码构建决策树四、决策树的存储五
CDA·数据分析师·2020-06-30 08:04

【数据挖掘】特征选择问题

特征工程建立特征工程的提取特征工程的选择（1）过滤式选择方差选择法相关系数法卡方检验互信息法（2）包裹式选择完全搜索随机搜索启发式搜索（3）嵌入式选择基于惩罚项的特征选择法基于树模型的特征选择法特征工程的提取特征工程的选择
ykukey_csdn·2020-06-30 08:31

数据挖掘之建模过程

研一的时候跟着实验室师兄做各种论文实验，如有特征选择及稳定性分析、迁移学习、标签推荐等，那时候只知道我在做一个叫“数据挖掘”这一个大类的东西，但因为做的东西太零碎，无法对数据挖掘有一个整体的认识。
lonely_square_three·2020-06-30 05:48

基于互信息的特征选择算法MATLAB实现

在概率论和信息论中，两个随机变量的互信息（MutualInformation，简称MI）或转移信息（transinformation）是变量间相互依赖性的量度。不同于相关系数，互信息并不局限于实值随机变量，它更加一般且决定着联合分布p(X,Y)和分解的边缘分布的乘积p(X)p(Y)的相似程度。互信息(MutualInformation)是度量两个事件集合之间的相关性(mutualdependenc
Reacubeth·2020-06-30 04:45

通俗理解决策树算法中的信息增益

在决策树算法的学习过程中，信息增益是特征选择的一个重要指标，它定义为一个特征能够为分类系统带来多少信息，带来的信息越多，说明该特征越重要，相应的信息增益也就越大。
AI_盲·2020-06-30 04:52

sklearn分类器算法：决策树与随机森林及案例分析

通常决策树学习包括三个步骤：特征选择、决策树的生成和决策树的修剪优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理逻
幸福清风·2020-06-30 04:38

deepspeech 代码之解码

Decoder  在完成模型搭建之后先简单总结一下deepspeech所用的训练参数和模型选择Input声学特征选择归一化后的傅里叶变换类似melDataLoader选用BucketingSamplermodelconv1
hyxxxxxx·2020-06-30 03:20

Python实现决策树并且使用Graphvize可视化

机器学习中的一个重要的分类算法决策树是一个类似于数据流程图的树结构：其中，每个内部节点表示一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或者类的分布，树的最顶层是根结点根据天气情况决定出游与否的案例二、决策树算法构建2.1决策树的核心思路特征选择
夕夕如盼·2020-06-30 02:58

机器学习实战专辑part4——决策树@[适合初学小白超详细!]

决策树学习通常需要3个步骤：特征选择，决策树的生成，决策树的修剪。主要方法有ID3，C4.5以及CART算法。一、决策树基本概念1.什么是决策树？分类决策树模型是一种描述对实例进行分类的树形结构。
xin_xin666·2020-06-30 02:12

XGBoost算法应用入门学习实践

算法的有点算法的缺点可解释性强缺乏平滑性（回归预测时输出值只能输出有限的若干种数值）可处理混合类型特征不适合处理高维稀疏数据具体伸缩不变性（不用归一化特征）有特征组合的作用可自然地处理缺失值对异常点鲁棒有特征选择作用可扩展性强
肖永威·2020-06-30 01:21

特征选择的策略--数据相关性（皮尔逊系数）与gini或者信息熵的的结合

首先特征选择在实际的数据挖掘项目中非常重要，从海量维度的特征中选取出表征明显的特征显得非常的重要。特征选择主要可以从数据相关性角度和信息增益的角度来考虑。
小毅心·2020-06-30 00:02

机器学习小窍门：Python 帮你进行特征选择

[转]https://www.leiphone.com/news/201807/3gGDmue2OXYZE0vQ.html特征选择，也就是从数据集中找出并选择最有用特征的过程，是机器学习工作流中一个非常重要的步骤
xiangz_csdn·2020-06-30 00:19

数据清洗和特征选择→PCA→1.算法理解

数据清洗和特征选择→PCA→1.算法理解《数据清洗和特征选择→PCA→1.算法理解》PCA的理解主要是明白2个协方差矩阵的意义以及关系设原始数据矩阵X对应的协方差矩阵为C，而P是一组基按行组成的矩阵，设
LeisureZhao·2020-06-29 23:52

数据挖掘笔记-特征选择-互信息

互信息（MutualInformation）是一有用的信息度量，它是指两个事件集合之间的相关性。两个事件X和Y的互信息定义为：又可以表示成：其中H(X,Y)是联合熵（JointEntropy），其定义为：H(X|Y)是条件熵（conditionalentropy）；x,y互信息与多元对数似然比检验以及皮尔森χ2校验有着密切的联系。在处理分类问题提取特征的时候就可以用互信息来衡量某个特征和特定类别的
人生偌只如初见·2020-06-29 21:11

机器学习之数据准备

任务包括：表，记录和特征选择以及为了模型工具的数据清洗和转换。
菜鸟-朋子·2020-06-29 19:16

特征选择 ReliefF算法

一、算法Relief算法最早由Kira提出.基本内容：从训练集D中随机选择一个样本R,然后从和R同类的样本中寻找k最近邻样本H，从和R不同类的样本中寻找k最近邻样本M，最后按照公式更新特征权重.算法:1.置0所有特征权重2.Fori=1tomdo2.1随机选择一个样本2.2从同类中找到R的k最近邻样本H，从不同类中找到R的k最近邻样本M.2.3fori=1toNdo2.4对W进行排序二、Matla
whitenigt·2020-06-29 18:02

特征选择与降维

特征选择与降维【直接从word复制过来的...格式真是惨不忍睹....阿西吧以后再改吧...o(╥﹏╥)o】参考资料：西瓜书《机器学习》Sklearn官方文档（中文版：https://www.cnblogs.com
柚子敲好吃·2020-06-29 18:39

Python3 机器学习简明教程

机器学习介绍    1.1什么是机器学习    1.2机器学习的应用    1.3机器学习基本流程与工作环节        1.3.1数据采集与标记        1.3.2数据清洗        1.3.3特征选择
iOSDevLog·2020-06-29 17:00

常用的特征工程方法都有哪些，举例说明

在处理数据中,我们经常需要对离散数据来做特征工程处理,目录一.什么是特征工程1.定义2.目的二.常用方法1.时间戳处理2.分解类别属性3.分箱/分区4.交叉特征5.特征选择6.特征缩放7.特征提取一.什么是特征工程
素笺清风·2020-06-29 16:49
上一页 44 45 46 47 48 49 50 51 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他