特征选择
2017-03-31 22:23:46 0 举报
AI智能生成
特征选择是一种在机器学习和数据分析中常用的技术,它的目的是从原始数据集中选择最有用的、最具代表性的特征,以降低模型的复杂度、提高预测准确性和泛化能力。特征选择可以通过过滤法、包裹法、嵌入法等方法实现。过滤法根据特征与目标变量之间的相关性进行筛选,包裹法通过训练模型评估特征的重要性并进行选择,嵌入法则将特征选择嵌入到模型训练过程中。特征选择在实际应用中具有重要的意义,可以帮助我们更好地理解数据、发现关键信息,从而提高模型的性能和可靠性。
作者其他创作
大纲/内容
特征选择
Filter方法
基于pearson相关系数
基于Mutual information互信息
基于maximal information coefficient
基于Distance correlation
卡方检验
信息熵增益
Wrapper方法
基于支持向量机(SVM)的
基于计算智能的
Genetic Selection遗传算法
模拟退火算法
粒子群优化 蚁群优化
基于分支界限的
Squential Forward Selection(SFS)
SequentialBackward Selection(SBS)
贪心算法
Embedded方法
Ridge Regression岭回归
Step-wise Regression
LASSO
Elastic Net
l0-SVM
决策树
0 条评论
回复 删除
下一页