采用机器学习的聚类模型特征选择方法比较

赵玮

(北京联合大学 应用科技学院, 北京 100101)

采用机器学习的聚类模型特征选择方法比较

赵玮

(北京联合大学 应用科技学院, 北京 100101)

针对机器学习聚类模型在特征选择时存在的问题，首先，对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后，基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后，应用聚类内部有效性指标，对在线品牌忠诚度聚类模型优化结果进行分析，进而对特征选择方法进行比较研究.结果表明：Boruta特征选择方法更具优势. 关键词： 特征选择； 聚类模型； 机器学习; 递归特征消除算法； Boruta方法

特征选择对基于机器学习的模型构建和优化有着重要意义.优质特征的选择和构建可以选择有限合理的特征，剔除不相关的特征，让模型得到数据集中良好的结构，使模型运算速度更快，模型结果更易理解，模型更易维护.因此，使模型发挥优良效果，需要通过特征选择的方法对模型进行优化.然而，基于机器学习的聚类模型进行特征选择存在以下2个问题.1) 特征选择方法通常是针对机器学习中的监督学习模型，需要具备目标特征变量，而聚类模型属于无监督学习[1-2]，没有目标特征变量.2) R语言作为机器学习比较好的实践环境，提供了相应的特征选择包，但需要做比较分析.本文对特征选择在聚类模型中的适用性进行分析，应用R语言进行特征选择算法设计.

1 理论基础……

登录APP查看全文

猜你喜欢

机器学习

基于词典与机器学习的中文微博情感分析

电子技术与软件工程(2016年22期)2016-12-26 21:36:42

基于网络搜索数据的平遥旅游客流量预测分析

时代金融(2016年27期)2016-11-25 17:51:36

前缀字母为特征在维吾尔语文本情感分类中的研究

科教导刊(2016年26期)2016-11-15 20:19:33

下一代广播电视网中“人工智能”的应用

活力(2016年8期)2016-11-12 17:30:08

基于支持向量机的金融数据分析研究

科学与财富(2016年28期)2016-10-14 21:19:17

基于Spark的大数据计算模型

电脑知识与技术(2016年20期)2016-08-19 18:49:49

基于朴素贝叶斯算法的垃圾短信智能识别系统

电脑知识与技术(2016年12期)2016-06-14 00:45:31

极限学习机在图像分割中的应用

电脑知识与技术(2016年3期)2016-04-07 16:12:55

一种基于迁移极速学习机的人体行为识别模型

物联网技术(2015年9期)2015-09-22 09:23:43