特征排序

随风飘摇的土木狗3 天前
matlab·gsa·敏感性分析·特征排序·灵敏度分析·shap·可解释
【MATLAB第116期】基于MATLAB的NBRO-XGBoost的SHAP可解释回归模型(敏感性分析方法)该文章实现了一个可解释的回归模型,使用NBRO-XGBoost(方法可以替换,但是需要有一定的编程基础)来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性,应用了SHapley Additive exPlanations(SHAP),去深入了解每个参数对模型预测的贡献。
随风飘摇的土木狗2 年前
matlab·分类·回归·敏感性分析·特征排序·重要性排序·降维
【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】本文介绍基于libsvm代理模型算法的特征排序方法合集,包括: 1.基于每个特征预测精度进行排序(libsvm代理模型) 2.基于相关系数corr的特征排序(libsvm代理模型) 3.svmrfe_ker(二分类)【后续更新】 4.基于SVM-RFE递归特征消除的特征排序svmrfe_ori(二分类)【后续更新】
随风飘摇的土木狗2 年前
matlab·pcc·ipcc·皮尔逊·敏感性分析·特征排序·特征变量重要度
【MATLAB第63期】基于MATLAB的改进敏感性分析方法IPCC,拥挤距离与皮尔逊系数法结合实现回归与分类预测考虑拥挤距离指标与PCC皮尔逊相关系数法相结合,对回归或分类数据进行降维,通过SVM支持向量机交叉验证得到平均指标,来判定优化前后模型好坏 。 通过手动设置拥挤权重,如拥挤权重0.3,关联权重0.7,来得到IPCC的各变量的特征值。