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。
Beyond Correlation: Causal Multi-View Unsupervised Feature Selection Learning
Arxiv
0+阅读 · 11月18日
Partial Information Decomposition for Data Interpretability and Feature Selection
Arxiv
0+阅读 · 11月14日
Redundancy-optimized Multi-head Attention Networks for Multi-View Multi-Label Feature Selection
Arxiv
0+阅读 · 11月16日
Consensus Tree Estimation with False Discovery Rate Control via Partially Ordered Sets
Arxiv
0+阅读 · 11月28日
Expected Confidence Dependency: A Novel Rough Set-Based Approach to Feature Selection
Arxiv
0+阅读 · 12月3日
Iterative Feature Exclusion Ranking for Deep Tabular Learning
Arxiv
0+阅读 · 12月18日
Splines-Based Feature Importance in Kolmogorov-Arnold Networks: A Framework for Supervised Tabular Data Dimensionality Reduction
Arxiv
0+阅读 · 11月21日
HeFS: Helper-Enhanced Feature Selection via Pareto-Optimized Genetic Search
Arxiv
0+阅读 · 10月21日
A Multi-Component Reward Function with Policy Gradient for Automated Feature Selection with Dynamic Regularization and Bias Mitigation
Arxiv
0+阅读 · 10月9日
A Copula Based Supervised Filter for Feature Selection in Diabetes Risk Prediction Using Machine Learning
A Copula Based Supervised Filter for Feature Selection in Diabetes Risk Prediction Using Machine Learning
Arxiv
0+阅读 · 10月8日
LLM-FS-Agent: A Deliberative Role-based Large Language Model Architecture for Transparent Feature Selection
Arxiv
0+阅读 · 10月7日
SAE-FiRE: Enhancing Earnings Surprise Predictions Through Sparse Autoencoder Feature Selection
Arxiv
0+阅读 · 10月7日
A Copula Based Supervised Filter for Feature Selection in Diabetes Risk Prediction Using Machine Learning
Arxiv
0+阅读 · 10月4日
High-Dimensional Sparse Clustering via Iterative Semidefinite Programming Relaxed K-Means
Arxiv
0+阅读 · 10月4日
Adaptive Node Feature Selection For Graph Neural Networks
Arxiv
0+阅读 · 10月3日
参考链接
微信扫码咨询专知VIP会员
Top