-
题名基于机器学习的高维数据分类特征选择
- 1
-
-
作者
杨艳平
李荣
-
机构
贵州民族大学数据科学与信息工程学院
-
出处
《湖南文理学院学报(自然科学版)》
2025年第1期23-31,共9页
-
基金
贵州省教育厅自然科学研究项目(黔教技[2022]015号)
贵州省高等学校大数据分析与智能计算重点实验室(黔教技[2023]012号)。
-
文摘
针对高维数据中弱相关特征的消除和有价值特征的识别问题,提出一种递归消除—决策树特征选择算法,以提高高维数据分类性能。为了验证该算法的有效性,从UCI数据库中选择了电离层、胶质瘤和恶意软件3个数据集,通过探索无特征选取、递归消除、决策树和混合算法递归消除—决策树4种特征选择方法,并分别和逻辑回归、随机森林、支持向量机、线性回归不同分类器组合进行实验。实验结果表明,对给定的数据集及4种分类器,递归消除—决策树算法在准确率、召回率等意义下均优于无特征选取、递归消除及决策树特征选择算法,与此同时,随机森林方法在所有实验组中表现最好。
-
关键词
分类
特征选择
递归消除—决策树
机器学习
-
Keywords
categorize
feature selection
recursive elimination-decision tree
machine learning
-
分类号
P315.69
[天文地球—地震学]
-
