欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 科技 > 能源 > 机器学习Day12:特征选择与稀疏学习

机器学习Day12:特征选择与稀疏学习

2025/4/27 8:32:48 来源:https://blog.csdn.net/weixin_52108189/article/details/140250956  浏览:    关键词:机器学习Day12:特征选择与稀疏学习

1.子集搜索与评价

相关特征:对当前学习任务有用的特征
无关特征:对当前学习任务没用的特征
特征选择:从给定的特征集合中选择出相关特征子集的过程

为什么要特征选择?
1.任务中经常碰到维数灾难
2.去除不相关的特征能降低学习的难度

特征选择很重要,但特征很多,如何根据评价结果获取下一个候选特征子集?
子集搜索
在这里插入图片描述
如何评价候选特征子集的好坏?
子集评价
利用信息增熵方法计算的结果进行评价

2.过滤式选择

在这里插入图片描述
在这里插入图片描述

3.包裹式选择

包裹式特征选择直接最终将要使用的学习器的性能作为特征子集的评价标准
优点:结果优于过滤式选择
缺点:计算开销大于过滤式选择

4.嵌入式选择

特征选择过程学习器训练过程融为一体,在学习器训练过程中自动地进行特征选择

5.稀疏表示与字典学习

在这里插入图片描述

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

热搜词