特征选择
2016-07-20 20:16
190 查看
1. 前言
1-1 问题：
从 D 维特征中选择 dD 个特征。
1-2 特征选择主要回答两个层面的问题：
对特征的评价，即怎样衡量一组特征对分类的有效性；寻优的算法，即怎样更快地找到性能最优或比较好的特征组合。
2. 特征的评价准则
类别可分性准则：
2-1 基于类内类间距离的可分性判据
投影到另一空间后，类内离散度尽可能小、类间离散度尽可能
1-1 问题：
从 D 维特征中选择 dD 个特征。
1-2 特征选择主要回答两个层面的问题：
对特征的评价，即怎样衡量一组特征对分类的有效性；寻优的算法，即怎样更快地找到性能最优或比较好的特征组合。
2. 特征的评价准则
类别可分性准则：
2-1 基于类内类间距离的可分性判据
投影到另一空间后，类内离散度尽可能小、类间离散度尽可能
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 治安卡口方案
- 模式识别
- OpenCV的图像处理
- 分类器的设计（fisher准则函数设计俩个类别的分类器）
- 最小外接矩形(MBR)
- 监控视频中人的特征识别
- 基于FPGA的脱机手写体汉字识别系统
- 计算机视觉投稿
- R. Wang-Manifold-Manifold Distance with Application to Face Recognition based on Image Set读后记
- Xing Xianglei-C3A阅读
- 计算机视觉、模式识别大牛资料搜集
- 代价函数（目标函数） cost function
- kNN分类器 （k nearest neighborhood classif 4000 ier)
- 文本分类特征选择法
- 正文提取
- 2015/03/13开始模式识别与机器学习之旅
- 机器学习学习笔记 PRML Chapter 1.1 Introduction
- 机器学习学习笔记 PRML Chapter 1.2 : Probability Theory
- 机器学习学习笔记 PRML Chapter 2.0 : Prerequisite之Sufficient Statistics
- 机器学习学习笔记 PRML Chapter 1.5 : Decision Theory