基于遗传算法的封装式特征选择研究
在机器学习中,特征选择在数据预处理阶段被用来剔除数据集中的冗余特征.特征选择分为嵌入式、过滤式、封装式.其中,封装式特征选择在监督学习中应用广泛.本文主要研究将遗传算法用于封装式特征选择时,不同的个体选择策略与种群更新策略的结合对监督学习算法预测准确率的影响.实验结果表明,锦标赛选择法与精英个体参与遗传操作的精英保留策略相结合的方式,能够得到最好的效果.通过在所有数据集上的计算总平均准确率发现,这种结合方式比将所有特征用于学习的平均准确率高出1.2%.
特征选择、遗传算法、个体选择、精英保留、预测准确率
18
TP311(计算技术、计算机技术)
长江大学大学生创新创业训练项目Yz2020162
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
94-96,99