机器学习&数据挖掘:特征选择之Filter : Focus Approach
来源:互联网 发布:李世石人工智能围棋 编辑:程序博客网 时间:2024/05/29 10:54
Focus Approach[1]方法是基于穷举搜索的Filter方法,该方法倾向于选择能够区分样本的最小特征子集。Focus Approach特征选择的度量是一致性度量。
通俗来说,特征选择的一致性是:给定两个样本,若它们在特征x1与x2的取值一样但这两个样本不属于同一类别,则特征子集{x1,x2}不是最终要选择的特征子集。
Focus Approach的步骤如图所示:
可以看出,Focus Approach的终止条件为:如果不存在两个实例在A所包含的features上都一样但却不属于同一类别,那么A就是选择出的特征子集。
Focus Approach对噪声比较敏感,在某些情况下,由于特征选择与最终分类算法是分离的,会导致该方法盲目的只选择最少特征,从而造成最终分类准确率的下降。
[1]Learning With Many Irrelevant Features,Hussein Alm uallim and Thomas G. Dietteric h
1 0
- 机器学习&数据挖掘:特征选择之Filter : Focus Approach
- 机器学习&数据挖掘:特征选择之 wrapper approach
- 机器学习:文本挖掘之特征选择
- 数据挖掘之特征选择
- 数据挖掘之特征选择
- 数据挖掘之特征选择
- 机器学习:特征选择之 Filter :Relief方法
- 机器学习之特征选择
- 机器学习之 特征选择
- 机器学习之特征选择
- 机器学习 特征工程之特征选择
- 机器学习 特征工程之特征选择
- 机器学习之特征工程-特征选择
- 数据挖掘学习之特征工程
- 机器学习之文本特征选择
- 机器学习:特征工程之特征选择和学习
- 机器学习--特征选择
- 机器学习:特征选择
- Java程序如何正确打包并正常运行在Linux系统中
- oracle instance client imp emp
- 【深度学习】笔记7:如何将mean,binaryproto格式的均值文件转化为mean.npy格式的均值文件
- Caffe源码阅读笔记(1):Blob
- Linux C 数据库编程
- 机器学习&数据挖掘:特征选择之Filter : Focus Approach
- jQuery实现遮罩层
- mysql truncate,drop,delete的区别
- mysql中的权限
- 第十二周项目3--图遍历算法实现--实现深度优先遍历--DFS
- NOIP2012开车旅行
- 用java实现K-means算法,k-means聚类算法原理
- C++读写TXT (string类型存储读取或写入)
- [DP 背包] BZOJ 1190 [HNOI2007]梦幻岛宝珠