会员服务
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。
An NEPv Approach for Feature Selection via Orthogonal OCCA with the (2,1)-norm Regularization
Arxiv
0+阅读 · 2月25日
Quantum Annealing Feature Selection on Light-weight Medical Image Datasets
Arxiv
0+阅读 · 2月26日
Permutation-based multi-objective evolutionary feature selection for high-dimensional data
Arxiv
0+阅读 · 1月24日
Leveraging band diversity for feature selection in EO data
Arxiv
0+阅读 · 2月7日
Introducing Perturb-ability Score (PS) to Enhance Robustness Against Problem-Space Evasion Adversarial Attacks on Flow-based ML-NIDS
Arxiv
0+阅读 · 1月22日
Enhancing Image Matting in Real-World Scenes with Mask-Guided Iterative Refinement
Arxiv
0+阅读 · 2月24日
BOLIMES: Boruta and LIME optiMized fEature Selection for Gene Expression Classification
Arxiv
0+阅读 · 2月18日
A Bayesian Integrative Mixed Modeling Framework for Analysis of the Adolescent Brain and Cognitive Development Study
Arxiv
0+阅读 · 1月29日
Optimizing Feature Selection in Causal Inference: A Three-Stage Computational Framework for Unbiased Estimation
Arxiv
0+阅读 · 2月1日
Knowledge Discovery using Unsupervised Cognition
Arxiv
0+阅读 · 1月28日
Policy-Guided Causal State Representation for Offline Reinforcement Learning Recommendation
Arxiv
0+阅读 · 2月4日
BISON: Bi-clustering of spatial omics data with feature selection
Arxiv
0+阅读 · 2月19日
Deep Learning-Based Approach for Identification of Potato Leaf Diseases Using Wrapper Feature Selection and Feature Concatenation
Arxiv
0+阅读 · 2月5日
LLM-Lasso: A Robust Framework for Domain-Informed Feature Selection and Regularization
Arxiv
0+阅读 · 2月20日
LLM-Lasso: A Robust Framework for Domain-Informed Feature Selection and Regularization
Arxiv
0+阅读 · 2月15日
参考链接
父主题
机器学习
子主题
压缩感知
稀疏表示
字典学习
微信扫码咨询专知VIP会员
Top