上次说到了在特徵子集 Q 之下
被特徵子集 P 细分的程度
如果是 1 则表示 P 可以完全分类 Q
如果是 0 则表示 P 完全无法分类 Q
接下来要来说如何用这个做特徵选取
就如同之前说的
特徵选择不外乎几个步骤
选定模型 → 更新特徵子集 → 计算模型表现力
在这里我们选用粗糙集
并更新特徵子集 P
模型表现力用细分程度衡量
选取流程如论文中的图
其实细细品味一下
你会发现这其实就是向前特徵选取~XD
所以自然你也可以用类似的方法
做向後特徵选择
我觉得这篇论文写得很好
最好的地方是它有许多的例子
可以边读边跟着他计算、对答案
确保自己的理解是正确的
所以如果你对 fuzzy-rough feature selection 有兴趣可以看看这篇
可(开)惜(心)接下来的时间不够细说他接下来的 fuzzy 部份了!!
<<: IT铁人第27天 Elasticsearch 使用python查询资料 Aggregations:Percentiles/Percentile Ranks
自动化 (Automation) 指的是写出一个程序,让原本需要人工手动执行的多个步骤变成全部都由程...
data: { "key": $("#SearchKeyInput&...
-DNSSEC 资源记录(来源:InfoBlox) DNSSEC使用数字签名确保DNS 数据的完整...
[[Put]] 机制会在我们要赋予 object property 值的时候出现,[[Put]] 机...
电子商务安全 发展 电子商务经营模式 B2B:企业对企业透过网际网路沟通或下单采购的商业行为 交易频...