特征组合可以提高LR分类效果
来源:互联网 发布:豫剧板胡网络培训班 编辑:程序博客网 时间:2024/05/21 13:23
LR模型本质是对数线性模型,使用的特征比较好解释,预测输出在0与1之间契合概率模型。但是,线性模型对于非线性关系缺乏准确刻画,特征组合正好可以加入非线性表达,增强模型的表达能力。基本特征可以认为是用于全局建模,组合特征更加精细,是个性化建模,所以基本特征+组合特征兼顾了全局和个性化。比如特征向量中,有用户A,B,C,物品E,F,G。基本的特征A,B.C.E.F.G对应的权重,对应的是每个对象的偏置权重,但如果A偏好E,B偏好F,那么组合特征A-E,B-F就是对用户的个性进行建模,组合特征A-E,B-F的权重就是代表A对E的喜好,和B对F的喜好。
总的来说,就是增强了特征的表达能力,或者说更容易线性可分。
阅读全文
0 0
- 特征组合可以提高LR分类效果
- gabor特征分类效果
- Harr-Like特征分类效果
- 通过GBDT组合的特征作为LR的输入
- 在广告LR模型中,为什么要做特征组合?
- LR其实是可以做一下特征离散化的
- 灰度共生矩阵特征分类效果
- 提高分类准确率的技术——组合分类
- LR连续特征离散化
- 决策树对鸢尾花数据的两特征组合的分类结果
- 随机森林对鸢尾花数据的两特征组合的分类结果
- GBDT+LR特征融合的例子
- GBDT构建组合特征
- 分类的特征选择
- 文本分类特征选取
- 数据分类:特征处理
- 评价特征 分类
- LR 做多分类的笔记
- java内部类相关的底层实现
- [spring-mvc] DispatcherServlet 参数 namespace contextConfigLocatoin区别
- Java基于无向有权图实现克鲁斯卡尔算法
- 宝塔控制面板忘记密码怎么找回?
- 总结/抽象和封装
- 特征组合可以提高LR分类效果
- linux学习01
- hdu5256: 序列变换
- Linux系统分区和挂载浅谈
- Hive的基本语法
- swing界面编程-国际化-中英文切换-简单示例供参考
- BZOJ 1087 互不侵犯的国王 状态压缩dp
- PHP接口
- truntact 和 delete 的区别