采用机器学习的聚类模型特征选择方法比较

针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究.结果表明:Boruta特征选择方法更具优势.     

函数型变量选择法用于空气质量影响因素实证分析

以全国31个主要城市的空气污染数据作为研究对象,通过B-样条逼近离散数据,拟合日变动曲线作为函数型数据,采用基于Group LASSO的函数型变量选择方法对空气污染因素和气象因素进行变量选择,选取影响空气质量的主要因素,并建立函数型回归模型,同时与函数型主成分回归方法进行比较,发现Group LASSO函数型变量选择方法不仅对群组变量进行选择,而且对选择出的群组内变量还能做进一步的选择,可以获得较为稳健的估计结果和较好的选择效果。     

3PL供应商评价选择方法的对比

目前,对于第三方物流(Third Party Logistics,简称3PL)供应商选择和评价的研究并不多,在此参照一些关于供应链中供应商选择的方法来进行评价选择 .主要针对3pl供应商的特征,对以往所用的评价选择方法进行了评述,对其各自的适用范围和优缺点进行比较分析.     

会计信息化条件下会计核算方法分析

会计信息化条件下会计核算方法的选择应遵循新的原则。本文通过对会计信息化的不同阶段及其特点进行简要分析,进而对会计核算方法的选择原则进行探讨,并提出在会计信息化条件下对计量属性、存货计价、坏账准备计提、累计折旧计提、辅助生产成本分配、制造费用分配等方法选择的新思路。     

高炉炉料结构的经济优化

本文介绍一种从经济上评价和选择合理的高炉炉料结构的优化方法,并用这种方法对我国高炉炉料结构从总体上进行了优化选择。这种方法同样适用于对单个企业炉料结构的评价和选择。     

用模糊选择法提高进化算法的效率

提出了进化算法中选择优良个体的一种方法－模糊选择法。这种方法通过对个体的适应度进行模糊化处理，实现对优良个体选择。基于模糊选择法的进化算法应用于曲线回归和极值求解。结果表明，该方法是一种有效的优良个体的选择方法，它能显著地提高进化算法的效率。     

距离分析中的性状选择方法

介绍了Ｋ－Ｗ检验方法．通过这种方法分析了进行距离分析的各个性状．根据Ｈ值发现参试性状对距离分析的影响存在差异．进行性状选择可以为利用距离分析结果选择亲本提供可靠有效的依据．最后本文强调进行距离分析时必须进行性状选择．     

电缆截面选择方法探讨

针对常规做法选择电缆截面存在的问题，对不同截面电缆进行了比较，并总结了电缆最佳截面的选择方法及据此方法选择电缆截面的优点。     

主导产业选择的理论分析

经济的发展史由不同历史时期的主导产业发展而带动的,因此主导产业的选择就成为区域经济学研究的一个重点问题,针对主导产业的选择,本文主要对选择基准和选择方法进行一定的阐述评价,同时介绍了主导产业选择的一种新兴的、较好的选择方法——DEA方法     

垃圾邮件过滤中特征选择方法研究

文章对垃圾邮件过滤中的特征选择问题进行了研究,引入"词共现模型"考虑词语之间的语义联系信息,和传统的信息增益特征选择方法结合表示邮件,采用神经网络方法对邮件进行分类得到垃圾邮件过滤器.实验表明,文章提出的将词共现对和信息增益结合的特征选择方法能够提高垃圾邮件过滤的精确度.     

基于粗糙集理论的目标特征选择方法

基于粗糙集理论中的分辨矩阵提出一种新的特征选择方法.此方法的基本思想是:对目标分类最有效的特征应该能划分最多的不同类样本.将该选择方法用于人造数据和实际数据的特征选择中.结果表明:该方法能正确选择人造数据中的相关特征,且能大幅度降低实际数据的特征数目.使用该方法对水下目标的识别特征进行选择时,可将识别特征数目下降至原特征数目的20%左右,对特征选择后的数据进行分类时,正确率可提高约6个百分点.     

基于Web的数据库查询方法

目的 在基于Ｗｅｂ的数据库查询方法中,选择一种适合实际情况的方法进行系统开发。方法 用定性和定量相结合的方法,对查询机制的结构进行定性分析,将指标量化并进行评价。结果 得到结合实际情况的数据库查询方法的最终评价值,从中选择最优的查询方法。结论根据性能指标权值表,按照实际情况进行调整,能比较准确地选择出符合实际环境的最佳方法。     

基于属性相似度的连续型特征选择方法

特征选择作为模式识别领域的研究热点,是一种重要的降维方法.对于连续型特征,目前主要采用离散化方法或特征分类能力的"相关性"评估进行特征选择.引入区间数相似度的概念,提出一种连续型特征选择方法.该方法以区间数相似度为基础,定义每个特征的属性相似度,以此作为特征选择的启发信息,对特征全集进行排序,选择特征子集,实现特征选择.相关实验表明了该方法的有效性.     

基于信息损失量的特征选择方法研究及应用

通过研究特征变量与类变量的信息测度和特征子集与类变量之间信息测度计算方法,实现快速的特征选择。将基于扩展熵的信息损失量测度用于度量类变量之间的相关性。为避免计算联合互信息的复杂计算,提出了基于信息损失量的变量相关度增加量计算方法,在保证新增特征可提供更多信息量前提下,同时提高特征选择的速度。最后对UCI的3种分类数据集进行实例分析,利用支持向量机对选择的特征子集进行分类验证,并将分类结果与其它常用特征选择方法进行了比较。结果表明所提出的特征选择方法比现有的特征选择方法更有效。     

基于遗传算法和互信息公式结合的特征选择

提出了一种由遗传算法和改进互信息公式相结合的特征选择方法．将遗传算法中的特征评价函数换为改进互信息公式来对特征进行选择,结合了过滤式和封装式这2种特征选择方法的优点．实验部分采用另外2种特征选择算法与本文所提方法分别进行特征选择,将这3种方法所得到的特征子集用于概率神经网络、BP神经网络分类器上,通过比较对应的分类精度,检验各种特征选择方法的效果. 实验结果显示,所提出的特征选择方法能更为有效的实现特征选择,所取得的特征子集具有更好的泛化特性.     

基于粗糙集方法的有序尺度变量选择

针对一种特殊类型的变量——有序尺度变量，用基于优势关系的粗糙集属性约简方法进行变量选择．实例表明，该方法可简单有效地对有序尺度变量进行选择．     

基于特征选择和数据分类的乳腺癌数据的评估分析

提出以乳腺癌数据进行挖掘数据的有效分类方法.针对兰州市某医院乳腺癌数据,通过数据挖掘技术中3种不同的特征提取方法,对乳腺癌数据集的属性进行选择,特征选择后减少的属性代替原来较多的属性,再对其用贝叶斯网络、属性选择分类器、J48、逻辑回归模型、One-R 5种方法进行分类.结果表明,得到的子集再经过分类时所花费时间明显减少,利用贝叶斯网络算法进行分类的准确率和各项性能指标高于其他算法,用逻辑回归模型算法进行特征选择后准确率明显提高.     

文本聚类中的特征选择方法

介绍了3种用于文本聚类的特征选择方法：文档频度、单词权、单词熵.用一个中文文本语料库对这3种特征选择方法进行了比较实验,实验结果表明在文本聚类中单词权的特征选择方法具有最好的选择结果.     

基于Web的数据库查询方法

目的在基于Web的数据库查询方法中,选择一种适合实际情况的方法进行系统开发.方法用定性和定量相结合的方法,对查询机制的结构进行定性分,将指标量化并进行评价.结果得到结合实际情况的数据库查询方法的最终评价值,从中选择最优的查询方法.结论根据性能指标权值表,按照实际情况进行调整,能比较准确地选择出符合实际环境的最佳方法.该方法有良好的应用前景.     

思想政治教育有效性的方法设计与选择分析

设计与选择合适的方法是保证思想政治教育有效性的一个关键因素,本文从方法设计思路、方法选择方向两个方面对思想政治教育有效性的方法进行了分析和总结。