×

机器学习的训练样本数据选择方法综述

消耗积分:0 | 格式:rar | 大小:1.71 MB | 2021-04-26

分享资料个

　　机器学习作为数据挖掘中一种重要的工具，不只是对人的认知学习过程的探索，还包括对数据的分析处理。面对大量数据的挑战，目前一部分学者专注于机器学习算法的改进和开拓，另一部分研究人员则致力于样本数据的选择和数据集的缩减，这两方面的研究工作是并行的。训练样本数据选择是机器学习的一个硏究热点，通过对样本数据的有效选择，提取更具有信息量的样本，剔除冗余样本和噪声数据，从而提高训练样本质量，进而获得更妤的学习性能。文中就目前存在的样本数据选择方法进行综述研究，从基于抽样的方法、基于聚类的方法、基于近邻分类规则的方法这三大类以及其他相关数据选择方法4个方面对日前存在的方法进行总结和分析对比，并对训练样本数据选择方法存在的问题和未来研究方向提出一些总结和展望。

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 !