针对不平衡数据中特征维数高、标记样本缺乏问题,提出一种基于遗传算法和BiasedSVM的不平衡数据半监督特征选择算法。该方法首先利用初始的标记样本集训练处理不平衡数据的Biased-SVM模型,然后用训练好的Biased-SVM模型为未标记样本加上标签,再把新标记样本加入到初始标记样本集中,得到新标记样本集,最后采用基于遗传算法的不平衡数据特征选择方法选出最优的特征子集。实验结果表明,所提方法在不同的标记样本率下均具有较高的平均特征子集缩减率和平均小类识别率。
2021-09-09 12:25:13
291KB
1
BGWOPSO的MATLAB代码：使用混合灰狼优化进行特征选择的二进制优化论文参考-Al-Tashi，Q.，Kadir，SJA，Rais，HM，Mirjalili，S.，＆Alhussian，H.（2019）。 使用混合灰狼优化进行特征选择的二元优化。 IEEE 访问，7，39496-39508。 算法详情链接：论文https://ieeexplore.ieee.org/abstract/document/8672550运行代码 设置所有需要的参数运行文件 demo.m
摘要：本文提出了混合灰狼优化（GWO）和粒子群优化（PSO）的二进制版本来解决特征选择问题。 最初的 PSOGWO 是一种新的混合优化算法，它受益于 GWO 和 PSO 的优势。 尽管性能优越，但原始的混合方法适用于具有连续搜索空间的问题。 然而，特征选择是一个二元问题。 因此，提出了一种称为 BGWOPSO 的混合
2021-09-08 19:06:12
18KB
1
行业分类-电信-一种基于非高斯中性向量特征选择的脑电波(EEG)信号分类方法.rar
2021-08-24 09:04:49
445KB
线性回归
具有特征选择的线性回归
通过拟合独立变量和因变量之间的最佳线性关系来预测目标值。
最小二乘法：y = mx + c
简单LR：仅使用单个独立变量
多个LR：使用多个独立变量时，如果它们具有多个参数，则可以使用梯度下降来降低成本函数
指标：{some imp} MSE：预测输出与实际输出之间的平均平方距离MAE：预测输出与精算输出之间的平均距离{当存在异常值时，我们使用MAE} RMSE：MSE的平方根
代码说明：
从sklearn加载的Boston数据集
检查空值并拆分数据集
使用Extratree classsifer（）{功能选择}查找功能重要性
查找特征之间的相关性
使用chi2方法选择最佳功能{selectKbest}
拟合模型
检查指标值
在这里，我们使用了3种特征选择方法来找到最合适的方法！
2021-08-17 10:03:22
287KB
1