机器学习Day12:特征选择与稀疏学习

1.子集搜索与评价

相关特征:对当前学习任务有用 的特征

无关特征:对当前学习任务没用 的特征

特征选择:从给定的特征集合 中选择出相关特征子集的过程

为什么要特征选择?

1.任务中经常碰到维数灾难

2.去除不相关的特征能降低学习的难度

特征选择很重要,但特征很多,如何根据评价结果 获取下一个候选特征子集?
子集搜索

如何评价候选特征子集的好坏?
子集评价

利用信息增熵方法计算的结果进行评价

2.过滤式选择


3.包裹式选择

包裹式特征选择直接最终 将要使用的学习器的性能作为特征子集的评价标准

优点:结果优于过滤式选择

缺点:计算开销大于过滤式选择

4.嵌入式选择

特征选择过程学习器训练 过程融为一体,在学习器训练过程中自动地进行特征选择

5.稀疏表示与字典学习

相关推荐
Raas1004 小时前
MAI Gateway(魔芋企业级AI网关)技术揭秘:AI网关支持哪些模型?从原理到落地
大数据·人工智能·网关·gateway·mai gateway·企业级产品
豪气的程序猿6 小时前
电商图片工作流怎么选?Lingko AI 对比折叠键盘主图与详情页
人工智能
小刘快学习7 小时前
把 AI 账单拆到部门:企业 AI 网关的精准分账思路
人工智能
米小虾7 小时前
你让监控模型读的思维链,可能是攻击者写好的剧本
人工智能
deepseek237 小时前
Iris 开源搜索智能体拆解:35B 与 397B 中文仅差 0.3 分,上下文管理胜过堆参数
人工智能·ai agent·开源模型
ai小陈7 小时前
CUDA Stream实战:让数据传输与GPU计算真正重叠
人工智能·深度学习·ai·pdf·云计算·gpu算力
residual_fan7 小时前
【学术论文】航空发动机故障诊断智能体:基于持续对比强化学习的动态优化方法
人工智能·算法·数据挖掘·数据分析
东风破_7 小时前
从 RAG 到 Agentic RAG:第二步,把复杂问题拆开再检索
人工智能
小弥儿7 小时前
GitHub今日热榜 | 2026-09-15:AI 智能体与本地生成工具领跑
学习·开源
dehuisun7 小时前
第07篇:RAG+Agent 部署架构、资源评估与私有化方案
人工智能