搜索资源列表
28 梁晏宾
- 1.采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。要求自行编写代码实现遗传算法。(1. using genetic algorithm based on the sample data of male and female students in height, weight, love mathematics, love li
极限学习做特征选择思路1
- 极限学习机是一个快速的但因曾神经网络学习算法(Extreme learning is a fast learning method)
markdal-software-white
- 使用基于K-L变换的特征选择方法,使原本4维的特征向量降至3维()
MoravecPoint
- 利用moravec算子实现图像的点特征提取，效果基于阈值的选择(The Moravec operator is used to extract the point feature of the image, and the effect is based on the selection of the threshold.)
决策树与随机森林
- 给出对决策树与随机森林的认识。主要分析决策树的学习算法：信息增益和ID3、C4.5、CART树，然后给出随机森林。 决策树中，最重要的问题有3个: 1. 特征选择。即选择哪个特征作为某个节点的分类特征； 2. 特征值的选择。即选择好特征后怎么划分子树； 3. 决策树出现过拟合怎么办？ 下面分别就以上问题对决策树给出解释。决策树往往是递归的选择最优特征，并根据该特征对训练数据进行分割。(The understanding of decision tree and random
NDIHJH
- 使用基于K-L变换的特征选择方法,使原本4维的特征向量降至3维()
Kai-square_test
- 卡方检验的检测算法，使用C++编写，可用于特征选择和过滤。(Kai-square_test by C++ can be used for the features or filter.)
randomforest.R
- R 语言 随机森林分类特征选择，打分特征重要性(R language random forest feature selection importance)
SVM
- 使用支持向量机进行特征选择的集成算法模型(Feature selection of support vector machines)
FEAST-master
- 配合MIToolbox在matlab中使用(use it together with MIToolbox in Matlab for feature selection)
rat_wang_lamda
- 进行特征选择，利用权重进行特征选择，代码解释充分(Feature selection is carried out, feature selection is carried out with weight, and the code is fully interpreted.)
conlainmynrprofile
- 特征选择算法的改进．．．比较实践证明是个优秀的算法()
客户流失预测
- 随着全球的商业竞争愈来愈激烈，客户流失预测已经成为客户关系管理中非常重要的内容。预测即将流失的客户，并制定相应的措施挽留客户已经成为促进企业发展的关键性因素。本文从对电信和信用卡客户的行为数据分析入手，针对其中的冗余特征和正负类样本不均衡等特点，提出一种新的特征选择算法和非均衡数据处理算法，以此建立一种新的客户流失预测模型。(Along with the global business more competitive, customer churn prediction has become
feature-selection-master
- 最小冗余最大相关性（MRMR）（MRMR.M） 需要外部库。详情请见MRMR。下载一个更新版本的互信息工具箱 偏最小二乘（PLS）回归系数（ReGCOEF.m） 使用MATLAB统计工具箱中的PLSReress ReliefF（分类）和RReliefF（回归）（ReleFracePr.M.） 从Matlab STATS工具箱中包装Releff.m。这是Matlab R2010B以后提供的。 ReliefF的另一个选择是使用ASU特征选择工具箱中的代码。这使用WEKA
SOGFS_aaai16
- Structured Optimal Graph Feature Selection 对图像样本进行特征选择，使用自学习算法，然后得出相似度矩阵S(% Input % X: dim*num data matrix % gamma: coefficient of L21 % d: projection dim of W(dim*d) % c: number of clusters % k: nearest neighobrs %Output %id: sorted featu
audio_tezheng
- 语音信号的时域、频域与倒谱域分析。 1.分析一帧清音和浊音的自相关函数和倒谱系数 2.用Matlab画出该段语音的时域波形、短时能量、短时平均幅度、短时过零率、短时过电平率 3.选择一帧无声、清音和浊音的语音，用Matlab画出它们的对数幅度谱(Time domain, frequency domain and cepstrum domain analysis of speech signals. 1. Analyze the autocorrelation function and c
BSOFS
- 改进的头脑风暴算法（MBSO）用于特征选择，MBSO方法文章来源：Zhan, Zhi Hui, et al. "A modified brain storm optimization." Evolutionary Computation IEEE, 2012:1-8.(Improved brainstorming algorithm for feature selection, MBSO method source: Zhan, Zhi Hui, et al. "A
PLSUVE
- 基于偏最小二乘回归的matlab中无信息变量消除算法的特征选择(Feature Selection of No Information Variable Elimination Algorithm in Matlab Based on Partial Least Squares Regression)
BPSO for feature selection
- 二进制粒子群算法（Binary particle swarm optimization algorithm，BPSO）解决特征选择问题。(Binary particle swarm optimization algorithm for feature selection problem)
classifier_D
- 使用SVM分类器来预测乳腺癌病人的预后(特征选择；分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。(The SVM classifier was used to predict the prognosis of breast cancer patients (feature selection; classifier construction), and the