特征选择是从一组特征中去掉冗余或不相关的特征来进行降维。它可以从原始特征中找到最优特征 ,这些被选择出的特征保留了数据集的主要信息,为分析高维的特征问题提供了便利, 避免或减少原始特征中不相关的信息所带来的识别过程复杂化。 特征选择包含了两个方面, 一方面是试图从特征集合中选择最为有效的特征子集, 另一方面, 选择合适的评价准则确定所选特征的有效性。 一般地, 由于特征之间存在一定的冗余性和相关性, 因此, 特征选择具有很高的实用价值。
特征选择简介
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
scikit-learn工具包中常用的特征选择方法介绍
* star *
2020-07-02 02:32:34
如何用sklearn工具包里面的feature_selection模块来进行特征选择/降维(一)
小白掌柜
2020-06-28 23:51:06
10 Cross validation, VC dimension
a635661820
2020-06-28 19:54:48
机器学习-------特征工程(三)
victor_fa
2020-06-27 23:33:11
【ML】特征选择方法
凝眸伏笔
2020-06-26 21:54:17
scikit-learn 中文文档-特征选择-监督学习|ApacheCN
风风tzp
2020-06-14 21:36:19
【转】几种常用的特征选择方法
Wolfly_Fu
2020-06-10 14:50:31
如何进行特征选择|机器学习
数据山谷
2020-06-03 06:48:32
二进制思想与特征选择
至渝
2020-04-02 14:05:40
Boosting算法与假设间隔
糖葫芦君
2020-04-02 10:09:18
特征重要性评估及筛选
弎见
2020-03-05 09:29:59
【Scikit-Learn 中文文档】特征选择 - 监督学习 - 用户指南 | ApacheCN
yxh11028
2020-02-23 11:04:32
一些预处理方法的链接
whitesilence
2020-02-23 08:19:11
文本特征选择-互信息
赵志雄
2020-02-22 05:31:58
24小時熱門文章