×

基于最大信息系数与冗余分摊策略的特征选择方法

消耗积分:0 | 格式:pdf | 大小:0.71 MB | 2021-03-26

分享资料个

　　特征选择是机器学习的关键环节，通常采用最小冗余最大相关法进行特征选择，但该方法存在相关性测度与冗余性测度不可比、特征引入无法自动终止等问题。为此，提出一种基于最大信息系数（MIC）与冗余分摊策略的特征选择方法（MlC- share）。以MIC度量相关性测度与冗余性测度，釆用冗余分摊策略获取新的特征得分，自动终止特征引入过程，减少最优子集确定所需时间。仿真结果表明，与PLSR、MIFS、 KNN-FABO等特征选择方法相比， Mic-share方法得到的回归数据均方根误差更小，分类数据错误多更低。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !