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
风象南6 小时前
普通人用AI加持赚到的第一个100块
人工智能·后端
牛奶7 小时前
2026年大模型怎么选?前端人实用对比
前端·人工智能·ai编程
牛奶7 小时前
前端人为什么要学AI?
前端·人工智能·ai编程
哥布林学者8 小时前
高光谱成像(一)高光谱图像
机器学习·高光谱成像
罗西的思考9 小时前
AI Agent框架探秘:拆解 OpenHands(10)--- Runtime
人工智能·算法·机器学习
冬奇Lab10 小时前
OpenClaw 源码精读(2):Channel & Routing——一条消息如何找到它的 Agent?
人工智能·开源·源码阅读
冬奇Lab10 小时前
一天一个开源项目(第38篇):Claude Code Telegram - 用 Telegram 远程用 Claude Code,随时随地聊项目
人工智能·开源·资讯
格砸11 小时前
从入门到辞职|从ChatGPT到OpenClaw,跟上智能时代的进化
前端·人工智能·后端
可观测性用观测云12 小时前
可观测性 4.0:教系统如何思考
人工智能
sunny86512 小时前
Claude Code 跨会话上下文恢复:从 8 次纠正到 0 次的工程实践
人工智能·开源·github