特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ),或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化,是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。
  1. [机器学习] 特征选择简明指南
  2. Feature Selection - mlr tutorial
  3. Feature Selection - mlr tutorial
  4. The caret Package | 18.2 Feature Selection Methods
  5. Feature Selection in R · mlampros
  6. 3.11. Feature selection — scikit-learn 0.11-git documentation
  7. SequentialFeatureSelector - mlxtend
  8. zhihu.com/lives
  9. 【深度学习入门书】 Hands-On Machine Learning with...
  10. 机器学习该怎么入门? - 知乎
  11. 【机器学习】如何做出一个更好的Machine Learning预测模型
  12. 如何看待《全球最大基金用人工智能炒股试验,回报率超500...
  13. 耶伦离任前会选择加息缩表,刺破美股泡沫吗? - 知乎
  14. 如何写一篇关于无监督特征选择的综述? - 知乎
  15. 数据降维和特征选取有什么区别? - 知乎
  16. 一些RL的文献(及笔记) | Deep Q-Learning
  17. Feature Selection in Machine Learning (Breast Cancer...)
  18. 如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法? - 知乎
  19. 当特征比数据量还大时,选择什么样分类器? - 知乎
  20. PCA...
展开全文
微信扫码咨询专知VIP会员