搜索【feature-selection】的结果

机器学习深度学习+特征选择+Feature Selection

2022-10-17 17:07:59 4.37MB python 深度学习

1

论文研究-A Novel Graph Isomorphism Algorithm Based on Feature Selection in Network Motif Discovery.pdf

一种新的基于特征选择的图同构算法在网络模体发现中的应用，呼加璐，孙玲，模体是在真实网络中出现频率明显高于随机网络中出现频率的子图。模体查找需要对出现的子图计数，因此引发了子图同构的问题。但是

2022-09-24 15:11:01 327KB Graph Isomorphism

1

ITMO_FS:python中的功能选择库

ITMO_FS Python中的功能选择库套餐信息：与安装 pip install ITMO_FS 当前可用的算法：筛选器包装纸杂交种嵌入式的合奏斯皮尔曼相关添加删除过滤器包装莫斯锂离子电池皮尔逊相关向后选择苔藓最好先适合标准顺序正向选择 RFE 最好的总和 F比合格证基尼指数爬山信息增益最小冗余最大相关性 VDM 合格证美格玛说明文件：

2022-09-07 00:18:55 196KB machine-learning feature-selection Python

1

Binary Particle Swarm Optimization for Feature Selection：简单算法展示了如何在特征选择问题中使用二进制粒子群优化（BPSO）。-matlab开发

用于特征选择任务的简单二元粒子群优化（BPSO），可以选择潜在特征以提高分类精度。

演示了一个示例，该示例说明了如何使用具有分类错误率的BPSO（由KNN计算）作为使用基准数据集进行特征选择问题的适应度函数。 ****************************************************** ****************************************************** **********************************

2022-05-15 11:35:47 121KB matlab

1

蚁群算法matlab源码-Wrapper-Feature-Selection-Toolbox:该工具箱提供了40多种包装功能选择方法，包括PS

蚁群算法matlab源码Jx-WFST：包装功能选择工具箱 “迈向人才科学家：共享和学习” --- 介绍该工具箱提供了40多种包装功能选择方法 A_Main文件提供了有关如何在基准数据集上应用这些方法的示例这些方法的源代码是基于伪代码和书面文件编写的该工具箱的主要目标是：包装器功能选择方面的知识共享协助其他人进行数据挖掘项目用法采用主要功能jfs进行特征选择。您可以通过将'pso'更改为如果您希望使用粒子群优化（请参见示例1），则可以编写 FS = jfs('pso',feat,label,opts); 如果要使用粘液模制算法（请参见示例2），则可以编写 FS = jfs('sma',feat,label,opts); 输入 feat ：特征向量矩阵（实例x Feature） label ：标签矩阵（实例x 1） opts ：参数设置 N ：解决方案数量/人口规模（所有方法） T ：最大迭代次数（对于所有方法） k ：K -值在K -nearest邻居输出 Acc ：验证模型的准确性 FS ：特征选择模型（包含多个结果） sf ：所选sf索引 ff ：所选功能 nf

2022-05-11 09:52:17 129KB 系统开源

1

GA_for_Feature_Selection:使用遗传算法结合决策树做特征选择Using genetic algorithm for feature selection with decision tree

GA_for_Feature_Selection 使用遗传算法结合决策树做特征选择 Using genetic algorithm for feature selection with decision tree 原始遗传算法参考 import numpy as np import pandas as pd import random data_train = pd.read_csv('\data_train.csv') data_test = pd.read_csv('\data_test.csv') #合并训练集测试集 data = data_train.append(data_test).drop(['id'], axis=1) feature_names = data.columns pop_size = 20 # 种群数量 max_value = 10 #

2022-04-18 23:00:27 2KB

1

用于排序和排名的特征选择算法 Feature Selection for Ranking 共50页.ppt

在实际情况中，分类中使用的许多特征选择方法都直接应用于排序我们认为，由于排名和分类之间的显著差异，最好开发不同的特征选择方法进行排名。本文提出了一种新的特征选择方法

2022-04-07 09:08:26 824KB 特征选择 算法

pyHSICLasso:高维数据的多功能非线性特征选择算法

pyHSICLasso pyHSICLasso是希尔伯特·施密特（Hilbert Schmidt）独立标准套索（HSIC Lasso）的软件包，这是一种考虑了非线性输入和输出关系的黑匣子（非线性）特征选择方法。 HSIC Lasso可以看作是广泛使用的最小冗余最大相关性（mRMR）特征选择算法的凸变体。 HSIC套索的优势可以有效地找到与非线性相关的特征。可以找到非冗余功能。可以获得全局最优的解决方案。可以通过内核处理回归和分类问题。功能选择监督性特征选择的目标是找到负责预测输出值的输入特征子集。通过使用它，您可以补充非线性输入和输出的依赖性，并且可以有效地计算高维问题的最优解。通过针对数以千计的特征进行分类和回归的特征选择实验证明了其有效性。在许多实际应用中，例如从微阵列数据中选择基因，文档分类和假体控制，在高维监督学习中寻找功能的子集是一个重要的问题。安装

2022-03-30 21:39:11 3.07MB python machine-learning-algorithms nonlinear feature-selection

1

Wrapper-Feature-Selection-Toolbox-Python:该工具箱提供了 13 种包装器特征选择方法（PSO、GA、GWO、HHO、BA、WOA 等）和示例。简单易行

Jx-WFST：包装特征选择工具箱《迈向人才科学家：共享与学习》--- 介绍该工具箱提供了 13 种包装器特征选择方法 Demo_PSO提供了如何在基准数据集上应用 PSO 的示例这些方法的源代码是基于伪代码和论文编写的用法采用主要功能jfs进行特征选择。您可以通过将from FS.pso import jfs的pso更改为来切换算法如果你想使用粒子群优化（PSO），那么你可以写 from FS.pso import jfs 如果你想使用差分进化（DE），那么你可以写 from FS.de import jfs 输入 feat ：特征向量矩阵（实例x特征） label ：标签矩阵（实例x 1） opts : 参数设置 N ：解决方案的数量/人口规模（对于所有方法） T ：最大迭代次数（对于所有方法） k : k -最近邻中的k -值输出 Acc : 验证模型的

2022-03-23 09:47:15 54KB wrapper machine-learning data-mining genetic-algorithm

1

Particle Swarm Optimization for Feature Selection：粒子群优化（PSO）在特征选择任务中的应用。-matlab开发

该工具箱提供了粒子群优化 (PSO) 方法 “Main”脚本说明了 PSO 如何使用基准数据集解决特征选择问题的示例。 ****************************************************** ****************************************************** **********************************

2022-02-28 19:26:14 121KB matlab

1

个人信息

热门下载

最新下载

其他资源