嵌入法

DerekLiv 2023-01-13 02:55:17

课时名称	课时知识点
嵌入法	嵌入法

...全文

65 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

互信息法求最小嵌入维数，网上下载的，直接输入数据可用

Cao法即改进后的FNN法求相空间重构的嵌入维数

嵌入法（Embedded Methods）是一种特征选择方法，它将特征选择过程嵌入到模型的训练过程中。在训练模型时，嵌入法能够根据特征的重要性自动筛选特征，因此，它可以在训练过程中对特征进行优化。与过滤法和包装法不同，嵌入法直接利用模型的学习能力来执行特征选择。常见的嵌入法包括基于正则化的方法（如Lasso回归、Ridge回归）和决策树算法（如随机森林、梯度提升树、XGBoost等）。

目录编辑特征工程的第一步：理解业务Filter过滤法编辑方差过滤编辑- 相关性过滤- 卡方过滤- F检验- 互信息法编辑嵌入法（Embedded）包装法（Wrapper）如果特征比较少且容易理解，我们可以自行判断特征的取舍，如前面的泰坦尼克号数据集。但是，在真正的数据应用领域，比如金融，医疗，电商，我们的数据不可能像泰坦尼克号数据的特征这样少，这样明显。那如果遇见极端情况，我们无法依赖对业务的理解来选择特征，该怎么办呢？我们有四种方法可以用来选择特征：过滤法，嵌入法，包装法，和降维算法过滤方法

特征选择之嵌入法、嵌入法、排列重要性目录特征选择之嵌入法、嵌入法、排列重要性嵌入法排列重要性嵌入法嵌入式特征选择法使用机器学习模型进行特征选择。特征选择过程与学习器相关，特征选择过程与学习器训练过程融合，在学习器训练过程中自动进行特征选择。嵌入法常用方法：集成法：先使用集成学习机器学习的算法和模型进行训练，得到各个特征的权重值系数或者特征重要程度（feature importance），根据系数从大到小选择特征。正则化法：通过L1和L2正则化为模型引入结构风险。L1正则化

洪贤斌的课程社区_NO_1

1

社区成员

20

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章