粗糙集特征选择第8页

03-决策树（cart）

1.CART分类树算法的最优特征选择方法我们知道，在ID3算法中我们使用了信息增益来选择特征，信息增益大的优先选择。

kang_james·2023-09-25 10:55

回归预测 | Matlab实现基于MIC-BP最大互信息系数数据特征选择算法结合BP神经网络的数据回归预测

回归预测|Matlab实现基于MIC-BP最大互信息系数数据特征选择算法结合BP神经网络的数据回归预测目录回归预测|Matlab实现基于MIC-BP最大互信息系数数据特征选择算法结合BP神经网络的数据回归预测效果一览基本介绍研究内容程序设计参考资料效果一览基本介绍

机器学习之心·2023-09-23 05:15

processor wei's papers 阅读

UnsupervisedFeatureSelectionwithJointClusteringAnalysis由于非监督特征选择可以在没有任何先验类信息的情况下降低数据维度，并且取的很好的表现，所以有很大的研究价值

雨住多一横·2023-09-23 03:10

逻辑回归中对L1\L2正则化的理解

其目标是将一些权重压缩为零，从而实现特征选择的效果。L1正则化的数学形式如下：R(w)=λ∑i=1n∣wi∣\LargeR(w)=\lambda\sum_{i=1}^{n}|w_i|R(w)

羊驼养殖户·2023-09-23 02:39

使用scikit-learn进行特征选择

参考文章：《特征工程入门与实践》——第5章特征选择：对坏属性说不信用卡逾期数据集：creditcardclientsDataSet本文代码开源链接：FeatureSelection本文主要以信用卡逾期分类任务作为案例

活用数据·2023-09-21 18:25

机器学习实战【泰坦尼克号沉船预测】（附python代码）

典型的回归问题，希望在此过程中熟练掌握机器学习的基本流程，数据预处理与特征选择的思路。同类型经典赛题：阿里云天池大赛的工业蒸汽量预测问题。

百无一用是书生_helloworld·2023-09-20 13:39

机器学习：特征工程基本流程

特征工程包括特征构建、特征提取、特征选择三个部分。特征构建是指从原始数据中人工的找出一些具有物理意义的特征，属性分割和结合是特征构建时常使用的方法。

向着光噜噜·2023-09-20 06:24

[管理与领导-96]：IT基层管理者 - 扩展技能 - 5 - 职场丛林法则 -10- 七分做，三分讲，完整汇报工作的艺术

汇报工作存在一些误解1.3汇报工作中的下错误做法1.4汇报工作与做实际工作的关系二、工作汇报的内容与艺术2.1工作汇报的内容应当包括以下方面2.2汇报的内容要根据上司的管理风格而异2.3时间管理四象限的重要性、紧急性特征选择汇报内容三

文火冰糖的硅基工坊·2023-09-17 04:17

f-score+svm特征选择过程pipeline

#coding:utf-8#In[]:#!/use/bin/envpythonimportpandasaspdimportnumpyasnpimportitertoolsfromsklearn.model_selectionimportKFoldfromsklearnimportsvmfromsklearn.model_selectionimporttrain_test_splitimportma

狼无雨雪·2023-09-17 02:05

机器学习实战-决策树

决策树(DecisionTree)优点：计算复杂度不高对中间缺失值不敏感可以处理不相关数据缺点：容易过拟合决策树算法主要有3个步骤:1.特征选择；2.构造决策树；3.决策树剪枝构造决策树构造过程需要解决以下几个问题

投篮手型差·2023-09-16 21:34

机器学习第五课--广告点击率预测项目以及特征选择的介绍

这个项目的主要的目的是通过给定的广告信息和用户信息来预测一个广告被点击与否。如果广告有很大概率被点击就展示广告，如果概率低，就不展示。因为如果广告没有被点击，对双方（广告主、平台）来讲都没有好处。所以预测这个概率非常重要，也是此项目的目标。在这个项目中，你需要完成以下的任务：1.数据的读取和理解:把给定的.csv文件读入到内存，并通过pandas做数据方面的统计以及可视化来更深入地理解数据。2.特

好人cc·2023-09-16 19:45

python——机器学习：sklearn特征选择feature_selection

特征选择是机器学习中很重要的一部分，构造并选取合适的特征，能极大的提高模型的表现。sklearn中feature_selection模块提供了一些特征选择方法。可以通过dir()的方法整体看一下。

兰泽S·2023-09-16 18:56

机器学习：10种方法解决模型过拟合

机器学习：10种方法解决模型过拟合本文介绍机器学习/深度学习建模过程防止模型过拟合的10种有效方法：增加训练数据集交叉验证正则化合适的特征选择降低模型复杂度集成方法早停法EarlyStopping数据增强

尤而小屋·2023-09-16 06:20

天池_二手车价格预测_Task3_特征工程

2️⃣树模型的特征构造2️⃣.1️⃣时间特征构造2️⃣.2️⃣城市信息特征提取2️⃣.3️⃣品牌特征提取3️⃣树模型的数据分桶4️⃣LR与NN模型的特征构造4️⃣.1️⃣与归一化4️⃣.2️⃣编码5️⃣特征选择

柯摩Excalibur·2023-09-16 03:10

高光谱遥感笔记2022.4.18

光谱特征选择与特征提取光谱数据库与光谱分析光谱数据库的意义作为标准参考光谱或训练样本，为定量、定性识别分类模型及软件提供基本数据源例子：美国地质调查局的USGS光谱库喷气推进实验室的JPL标准物质成份波谱库

Baron张·2023-09-15 09:41

A KECA identification method based on GA for E-nose data of six kinds of Chinese spirits

用矩阵相似度量法和遗传算法分别优化相应参数，在数据降维完成之后使用FDA（Fisher判别分析）对白酒进行分类介绍核变换将非线性分类问题转化为线性分类问题，然后利用线性模式识别技术解决复杂的非线性分类问题KECA主要用于特征选择和数据降维

day. day. up!·2023-09-14 19:52

竞赛基于机器学习与大数据的糖尿病预测

文章目录1前言1课题背景2数据导入处理3数据可视化分析4特征选择4.1通过相关性进行筛选4.2多重共线性4.3RFE（递归特征消除法）4.4正则化5机器学习模型建立与评价5.1评价方式的选择5.2模型的建立与评价

iuerfee·2023-09-14 15:23

竞赛选题基于大数据的社交平台数据爬虫舆情分析可视化系统

文章目录0前言1课题背景2实现效果**实现功能****可视化统计****web模块界面展示**3LDA模型4情感分析方法**预处理**特征提取特征选择分类器选择实验5部分核心代码6最后0前言优质竞赛项目系列

laafeer·2023-09-14 13:55

竞赛基于大数据的社交平台数据爬虫舆情分析可视化系统

文章目录0前言1课题背景2实现效果**实现功能****可视化统计****web模块界面展示**3LDA模型4情感分析方法**预处理**特征提取特征选择分类器选择实验5部分核心代码6最后0前言优质竞赛项目系列

iuerfee·2023-09-14 13:10

竞赛选题基于机器学习与大数据的糖尿病预测

文章目录1前言1课题背景2数据导入处理3数据可视化分析4特征选择4.1通过相关性进行筛选4.2多重共线性4.3RFE（递归特征消除法）4.4正则化5机器学习模型建立与评价5.1评价方式的选择5.2模型的建立与评价

laafeer·2023-09-14 07:21

分类预测 | Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测

分类预测|Matlab实现基于MIC-BP-Adaboost最大互信息系数数据特征选择算法结合Adaboost-BP神经网络的数据分类预测目录分类预测|Matlab实现基于MIC-BP-Adaboost

机器学习之心·2023-09-12 22:29

机器学习（10）---特征选择

文章目录一、概述二、Filter过滤法2.1过滤法说明2.2方差过滤2.3方差过滤对模型影响三、相关性过滤3.1卡方过滤3.2F检验3.3互信息法3.4过滤法总结四、Embedded嵌入法4.1嵌入法说明4.2以随机森林为例的嵌入法五、Wrapper包装法5.1包装法说明5.2以随机森林为例的包装法六、总结一、概述 1.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

冒冒菜菜·2023-09-12 11:57

AI平台如何赋能后端研发

特征处理包括特征存储、特征选择、特征清洗、特征加工

·2023-09-11 13:58

R语言机器学习与临床预测模型49--R语言如何系统学习机器学习？

它也提供了一个对于160多个基础学习包的统一接口，包括了“元算法”和模型选择技术，并扩展了基本学习算法的功能，比如超参数调参、特征选择、集成结构等。同时并行化

科研私家菜·2023-09-11 12:52

机器学习——自然语言处理（NLP）一

机器学习——自然语言处理（NLP）一文章目录前言一、TF-IDF算法1.1.原理1.2.算法步骤：1.2.1.文本预处理1.2.2.构建词袋模型1.2.3.计算TF-IDF值1.2.4.特征选择1.3.

星石传说·2023-09-09 05:58

数据降维（特征提取）和特征选择有什么区别？

Featureextraction和featureselection都同属于Dimensionreduction。要想搞清楚问题当中二者的区别，就首先得知道Dimensionreduction是包含了featureselection这种内在联系，再在这种框架下去理解各种算法和方法之间的区别。和featureselection不同之处在于featureextraction是在原有特征基础之上去创造凝

weixin_34051201·2023-09-09 01:52

机器学习处理问题的基本路线

数据分析3.特征工程4.建模调参5.模型融合异常处理：通过箱线图（或3-Sigma）分析删除异常值；BOX-COX转换（处理有偏分布）；长尾截断；特征筛选常用方法：过滤式（filter）：先对数据进行特征选择

魔法橘子·2023-09-08 09:29

机器学习——随机森林特征选择及周期性分析

一、随机森林随机森林由LeoBreiman提出，从原始训练样本集N中有放回地重复随机抽取k个样本生成新的训练样本集合，然后根据自助样本集生成k个分类树组成随机森林，新数据的分类结果按分类树投票多少形成的分数而定。其实质是对决策树算法的一种改进，对于决策树算法只是一棵树，而随机森林因为”森林“我们一可以看出如其名，是将多棵决策树合并一起，每棵树的建立依赖于一个独立抽取的样品，森林中的每棵树具有相同的

泡泡怡·2023-09-08 06:24

论文笔记_21范数:Efficient and Robust Feature Selection via Joint 2,1-Norms Minimization

Abstract特征选择在机器学习中非常重要，尤其是在生物信息学任务中。本文提出一种新的鲁棒特征选择方法，这一方法核心在于在损失函数核正则化项中联合使用21范数。

Lr_AI·2023-09-08 01:27

特征选择 Feature selection

特征选择Featureselection1.13特征选择Featureselection1.13.1.Removingfeatureswithlowvariance（删除第方差的特征）1.13.2.Univariatefeatureselection

毒鸡蛋·2023-09-07 23:27

【NLP保姆级教程】手把手带你RCNN文本分类(附代码)

传统的文本分类工作主要分为三个过程：特征工程、特征选择和不同分类机器学习算法。1.1特征工程对于文本数据的特征工程来说，最广泛使用的功能是bag-of-words、tf-idf等。

kaiyuan_nlp·2023-09-07 08:11

L1和L2正则

L1和L2正则L1正则常被用来进行特征选择，主要原因在于L1正则化会使得较多的参数为0，从而产生稀疏解，我们可以将0对应的特征遗弃，进而用来选择特征。一定程度上L1正则也可以防止模型过拟合。

小小白2333·2023-09-06 20:06

【数据挖掘】学习笔记

文章目录聚集：多个样本或特征进行合并（减少样本规模、转换标度、更稳定）抽样：抽取一部分样本降维：在地位空间中表示样本（PCA、SVD）特征选择：选取重要特征（Lasso）特征创建：重新构建有用特征（Fouter

小手の冰凉·2023-09-05 19:50

主成分分析计算步骤

所以就决定干脆先看看怎么应用并计算的吧此处采用主成分分析进行特征选择，其中用到的数据来自王宏志老师编著的《大数据分析原理与实践》一书。

一枚小可爱c·2023-09-05 04:03

Sklearn数据预处理与特征工程

目录1、数据与处理与特征工程概述2、Sklearn数据预处理之Preprocessing&Impute3、Sklearn特征选择feature_selection4、总结1、概述：数据预处理与特征工程是数据建模前流程

易码当先·2023-09-04 21:36

10种防止机器学习模型过拟合的方法

本文介绍机器学习/深度学习建模过程中有效防止模型过拟合的10种方法：增加训练数据集交叉验证正则化合适的特征选择降低模型复杂度集成方法早停法EarlyStopping数据增强Dropout监控训练过程技术交流技术要学会分享

Python数据挖掘·2023-09-04 02:41

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

豪_34bf·2023-09-03 22:48

决策树算法学习笔记

决策树的构建通常分为三个步骤：1、特征选择特征选择就是要选取具有较强分类能力的特征，分类能力通过信息增益或信息增益率来进行刻画。选择的标准是找出局部最优的特征作为判断进行切分，取决于切分后节点数

小布先生~噫嘘唏·2023-09-03 13:05

如何使用Java进行机器学习?

以下是一些常用的Java机器学习库：Weka：Weka是一个非常流行的机器学习库，提供了大量的算法和工具，以及用于数据预处理、特征选择和可视化的功能。

玥沐春风·2023-09-03 09:37

《数据挖掘导论》学习笔记（第1-2章）

Wr_Ran第1章绪论1.1什么是数据挖掘KDD：KnowledgeDiscoveryinDatabase过程如下：1.输入数据2.数据预处理3.数据挖掘4.后处理5.得到信息其中，数据预处理包括如下几部分：特征选择维归约规范化选择数据子集后处理包括如下及部分

schdut·2023-09-03 05:08

3. 预测模型的介绍：从相关性到监督分割模型

（定义信息化特征，通过程序化的特征选择进行数据分割）--本章关注模型预测（predictivemodeling）从对数据分组（分割）入手。信息（infor

BT小芒·2023-09-01 01:10

机器学习和数据挖掘01- lasso regularization

Lasso（LeastAbsoluteShrinkageandSelectionOperator）通过在损失函数中添加正则项，促使模型的系数变得稀疏，即某些系数会被压缩到零，从而实现特征选择。

丰。。·2023-08-31 20:31

【人工智能】—_监督学习、分类问题、决策树、信息增益

决策树学习表达能力决策树学习信息论在决策树学习中的应用特征选择准则一：信息增益举例结论不足回到餐厅的例子从12个例子中学到的决策树：DecisionTrees决策树什么是决策树——基本概念非叶节点：一个属性上的测试

Runjavago·2023-08-31 10:25

人工智能-作业4：CNN - 卷积

目录一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。二、探究不同卷积核的作用，研究背后的原理。（1）边缘检测（2）锐化（3）模糊三、编程实现1.经典卷积核，实现灰度图的边缘检测、锐化、模糊。

fanlrr·2023-08-31 09:45

机器学习的第一节基本概念的相关学习

目录1.1决策树的概念1.2KNN的概念1.2.1KNN的基本原理1.2.2流程：1.2.3优缺点1.3深度学习1.4梯度下降损失函数1.5特征与特征选择特征选择的目的1.6python中dot函数总结一维数组的点积

星星失眠️·2023-08-31 03:31

特征选择，归一化以及交叉验证中应当注意的问题

特征选择、归一化以及交叉验证中应当注意的问题前言为什么要划分训练集，验证集和测试集？是先做特征选择还是先划分训练集-验证集-测试集？是先做归一化还是先划分训练集-验证集-测试集？

MasterQKK 被注册·2023-08-30 08:51

聚类算法及其评价

特征选择，近邻测度，聚类准则，聚类算法，结果验证，结果判定#

zhuimeng999·2023-08-29 21:11

《机器学习实战》学习笔记（二）之决策树（上）决策树的生成及修剪，ID3,C4.5CART算法

Python2.7IDE：Sublimetext3一决策树的概述1决策树的发展2决策树的定义3决策树与if-then规则二决策树的算法框架1决策树主函数2计算最优特征子函数3划分数据集子函数4分类器三决策树的构造1特征选择

john_bh·2023-08-29 06:15

L1 ， L2正则化

相同点：都用于避免过拟合不同点：L1可以让一部分特征的系数缩小到0，从而间接实现特征选择。所以L1适用于特征之间有关联的情况。L2让所有特征的系数都缩小，但是不会减为0，它会使优化求解稳定快速。

水星no1·2023-08-29 01:53

2023.08.13 学习周报

文章目录摘要文献阅读1.题目2.要点3.问题4.解决方案5.本文贡献6.方法6.1特征选择6.2时间序列平稳性检测与数据分解6.3基于GRU神经网络的PM2.5浓度预测7.实验7.1网络参数7.2实验结果

MoxiMoses·2023-08-28 21:39

推荐频道

粗糙集特征选择