数据挖掘特征选择

Precious data mining and mining data

数据挖掘课件结合实例讲解数据挖掘和数据仓库以及决策树联机处理等知识

大多数在线学习研究要求访问训练实例的所有属性/特征.这一典型要求在大数据应用中难以满足,因为数据实例的维度可能很高,为了获得完整的属性/特征集而访问所有属性/特征时的成本太高.针对这一问题,首先利用截

基因表达数据的研究是生物医学上的一个重要课题。基于其高维度、小样本的特点,特征选择已经成为数据预处理阶段的关键步骤。单一特征选择方法得到的特征子集可能会有偏差,本研究在特征选择上引入集成学习的思想,构

针对模式分类中的特征选择问题, 分别依据ReliefF 算法、类间可分性及特征相关性等多个评价准则对待约 简特征进行评价与排序, 基于排序融合方法实现对多个特征选择评价准则的综合利用. 基于多个数据集

分类问题中的特征选择一直是一个重要而又困难的问题。这类问题中要求特征选择算法不仅能够帮助分类器提高分类准确率,同时还要尽可能地减少冗余特征。因此,为了在分类问题中更好地进行特征选择,提出了一种新型的包

特征选择的计算方法 Computational Methods of Feature Selection 经典教材

文本分类特征选择方法

本文描述了特征提取和选择的方法，以及他们之间的差异，指出他们在模式识别中的广泛应用。

matlab开发-特征向量选择。基于特征向量中心的Matlab特征选择-2016年更新