特征挖掘算法与不同机器学习方法在回归问题中的应用研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：近年来,机器学习方法在各个领域内的应用十分广泛,而特征挖掘则是机器学习过程中十分重要的数据预处理过程.Boruta算法是一种基于随机森林算法的特征筛选算法,该算法可以对机器学习过程中的自变量进行筛选,并且进行重要性排序.随机森林、支持向量机、k最近邻算法和梯度提升模型则是机器学习中的经典算法,在解决回归和分类问题中均有较广泛的应用.本文通过红葡萄酒案例,将Boruta算法与4种机器学习方法相结合,探讨Boruta算法的作用及几种不同机器学习方法的区别,为将特征挖掘算法和机器学习在回归问题中的应用提供参考.

作者：

李科

展开 >

作者单位：

安徽理工大学测绘学院安徽 232001

关键词：

Boruta算法随机森林支持向量机 k最近邻梯度提升回归问题

出版年：

2020

网络安全技术与应用

北京大学出版社

网络安全技术与应用

CHSSCD

影响因子：0.417

ISSN：1009-6833

年,卷(期)：2020.(4)

被引量1
参考文献量3