机器学习中特征选问题研究

上传者: 47367099 | 上传时间: 2022-04-27 16:05:51 | 文件大小: 3.42MB | 文件类型: PDF
机器学习主要利用已知数据学习和推理其中未知的、潜在的概率分布的重要特性,揭示数据样本中变量(或特征)之间的关系。影响机器学习性能的最重要因素之一是向系统提供的数据的质量。随着计算机技术的高速发展和广泛应用,高维度的大规模数据不断涌现和积累,这些高维数据中存在着大量的冗余、无关特征,给现有的机器学习算法提出了更高的要求,带来了巨大挑战。特征选择是机器学习、模式识别和统计学等领域的重要研究课题之一,是数据预处理的一种重要而常用的手段。特征选择根据样本的分布特性,基于某种评估标准,从原始特征空间中选取一个最优的特征子集代替原始特征空间,所选择的特征子集具有与原始特征空间相近甚至更好的分类性能。特征选择算法可以有效地剔除冗余特征和无关特征,提高机器学习算法的泛化性能和运行效率,在实际应用中得到了广泛的推广。特征选择算法主要分为 Filter、Wrapper 和 Embedded 模式三大类,其中 Filter 模式由于其速度快和通用性强等特点备受青睐。然而,现有的 Filter特征选择算法存在这样的问题:要么选择出最具区分能力的若干特征作为最优特征子集,要么选择出区分能力较高且相互之间不冗余的

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明