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。
BAT机器学习面试1000题(561~565题)
七月在线实验室
1+阅读 · 2018年10月26日
BAT机器学习面试1000题系列(第116~120题)
七月在线实验室
16+阅读 · 2017年10月24日
【紫冬精选】国内近三年模式分类研究现状综述
中国科学院自动化研究所
12+阅读 · 2018年4月3日
打通多个视觉任务的全能骨干:HRNet
极市平台
0+阅读 · 2020年4月23日
关于Scikit-Learn你(也许)不知道的10件事
深度学习自然语言处理
0+阅读 · 2020年8月4日
留给人类的时间不多了?现在不学机器学习更待何时!
机器学习算法与Python学习
0+阅读 · 2017年11月16日
文本挖掘中特征选择(附python实现)
七月在线实验室
4+阅读 · 2018年5月22日
BAT机器学习面试1000题(496~500题)
七月在线实验室
1+阅读 · 2018年9月30日
12种降维方法终极指南(含Python代码)
论智
1+阅读 · 2018年8月28日
机器学习小窍门:Python 帮你进行特征选择
AI研习社
5+阅读 · 2018年7月19日
图文 | 稀疏感兴趣区域池化在目标检测中的应用
计算机视觉战队
1+阅读 · 2020年2月12日
微信扫码咨询专知VIP会员