版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著數(shù)據(jù)挖掘領(lǐng)域的興起,屬性選擇問題越來越被人們所關(guān)注。通常數(shù)據(jù)分類算法對數(shù)據(jù)的集成有著很高的要求,其結(jié)果與數(shù)據(jù)的完整程度、屬性與類別的相關(guān)度、屬性間的冗余度都有關(guān)系。屬性選擇是對數(shù)據(jù)進行預(yù)處理的一個重要環(huán)節(jié),通過縮減原數(shù)據(jù)的特征維度、去除噪音,大大縮減研究者實驗中的時間復(fù)雜度和空間復(fù)雜度。
前期屬性選擇工作的有效處理對于后期的數(shù)據(jù)分類有著至關(guān)重要的作用。本文首先介紹了數(shù)據(jù)挖掘和屬性選擇的相關(guān)概念,包括幾個信息論中的相關(guān)量;其
2、次介紹了weka這一工具以及實驗中調(diào)用的weka方法。最后分析了MRMR和FCBF兩種屬性選擇方法,并在此基礎(chǔ)上提出了兩種屬性選擇方法,即SU-MRMR、和MI-FCBF,并參考了MI-SU-MRMR算法;將這三種方法與MRMR和FCBF進行了比較,并使用樸素貝葉斯、邏輯回歸、SVM、KNN、C4.5、隨機森林、CART7種分類器進行分類預(yù)測。將這五種屬性選擇方法分別在UCI數(shù)據(jù)集和基因表達數(shù)據(jù)集上進行了實驗。從實驗結(jié)果可以看出基因表達
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于屬性間相關(guān)性分析的屬性選擇方法研究.pdf
- 基于粗糙集合的屬性選擇方法研究.pdf
- 基于RELIEFF-FCBF組合的入侵特征選擇算法研究.pdf
- 基于屬性相關(guān)性分類理論的屬性選擇方法研究.pdf
- 基于F-score和mRMR的蛋白質(zhì)熱點預(yù)測方法研究.pdf
- 基于Ⅳ屬性選擇的隨機森林模型研究.pdf
- 財務(wù)會計計量屬性的比較及選擇
- 基于區(qū)位特征和居民屬性的居住地選擇研究.pdf
- 基于屬性選擇算法和支持向量機的組合預(yù)測模型研究.pdf
- 基于粗糙集的啟發(fā)式屬性約簡特征選擇方法研究.pdf
- 基于屬性影響度的多屬性決策方法研究.pdf
- 基于Rough集的屬性與屬性值約簡方法研究.pdf
- 基于屬性分類能力結(jié)構(gòu)互補性的基因選擇方法.pdf
- 基于模糊多屬性決策和遞階質(zhì)量屋的汽車輕量化材料選擇方法.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的分類數(shù)據(jù)挖掘?qū)傩赃x擇和規(guī)則抽取研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的屬性選擇研究.pdf
- 財務(wù)會計計量屬性的比較及選擇(20190304172653)
- 屬性子集選擇算法及其推薦方法研究.pdf
- 基于互信息的屬性選擇算法研究.pdf
- 基于屬性選擇的集成分類方法在信貸評估中的應(yīng)用.pdf
評論
0/150
提交評論