机器学习中的特征选择方法研究及展望
任何领域的大数据研究都离不开用机器学习方法提取特征.为了探求满足海量大数据分析需求的特征选择方法,笔者对利用机器学习进行特征选择的常用方法做了深入分析,归纳总结出特征选择的五大类方法:相关性度量方法、Lasso稀疏选择方法、集成方法、神经网络方法、主成分分析方法.通过对比不同特征选择方法的原理、实现过程以及应用场景,给出了不同算法下进行特征选择时的适用范围、优缺点和关键点,为研究者提供参考.
机器学习、特征选择、迁移学习、对抗神经网络、人工智能
41
TN929.53
教育部-中国移动科研基金项目MCM20170306
2018-05-22(万方平台首次上网日期,不代表论文的发表时间)
共12页
1-12