10.3969/j.issn.1003-5060.2010.12.012
一种属性选择方法FS-IV的研究
数据挖掘所面对的数据常具有属性冗余、包含噪音等特点,使得更注重训练数据质量的分类模型训练周期变长、精度下降.因此,如何选择有效的属性集以约减数据规模,提高分类模型性能具有重要意义.文章将IV模型用于属性选择,提出了基于IV指标的属性选择算法FS-IV,该算法仅需一遍扫描计算出所需的相关统计量,解决了传统属性选择方法处理较大规模数据时空效率不高的问题.实验表明,FS-IV属性选择方法时空性能良好,对冗余、噪音属性均有较好的区分能力,能够有效地约减数据规模.
信息值、属性选择、分类
33
TP181(自动化基础理论)
安徽省自然科学基金资助项目090412044
2011-03-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
1811-1814