unsupervised feature selection | BriefGPT

关键词unsupervised feature selection

搜索结果 - 8

通过单个预训练的加强代理指导的仿制品特征选择
我们引入一种创新的特征选择框架，通过强化学习，以模拟特征和经优化的 “knockoff” 特征指导特征选择过程，从而识别出最优和有效的特征子集。
PDF4 months ago
边缘拉普拉斯评分
高维度不平衡数据中，无监督特征选择方法对于后续算法的成功至关重要。为此，我们提出了一种更适用于不平衡数据的边缘拉普拉斯得分（Marginal Laplacian Score，MLS）算法，并将其集成到现代特征选择方法中，形成 DUFS-ML
PDF7 months ago
通过正半定投影进行快速稀疏主成分分析的无监督特征选择
该论文提出了基于正半定（Positive Semidefinite，PSD）锥的标准凸形稀疏主成分分析（Sparse Principal Component Analysis，SPCA）模型和其快速优化算法，以及用于加快收敛的两个现有凸 S
PDF10 months ago
距离排名得分：针对不平衡数据集的无监督特征选择过滤方法
介绍了一种针对不平衡多类别数据集的新型无监督特征选择过滤方法，并与现有的适用于无监督数据的过滤方法进行了比较。该方法基于 Spearman 等级相关系数，避免了现有方法中特征方差不适用于不同类型观测的问题。该方法已在多个聚类问题中进行了性能
PDFa year ago
无监督特征选择以识别机器学习中的重要 ICD-10 编码：以冠状动脉疾病患者队列为例的案例研究
本研究比较了多种无监督特征选择方法以选择最佳 100 个特征，结果显示 Concrete Autoencoder 方法在重现特征空间和预测 90 天死亡率方面的表现优于其他方法。此外，该方法中 ICD 树的权重调整可降低特征的复杂性。
PDFa year ago
MM基于集合博弈理论的无监督分类数据特征排序
本文提出了一种基于博弈理论、计算特征重要性的方法，用于无监督特征选择并消除冗余，结果表明该方法在降低冗余率的同时最大化数据信息。同时，本文还介绍了一种计算 Shapley 值的算法的近似版本，使其能够降低复杂度。
PDF2 years ago
基于深度孤立森林特征重要性的可解释异常检测
本文提出了高效而省时的方法，在隔离森林的全局和局部层面上定义特征重要性得分，并定义了一种在无监督异常检测中执行特征选择的过程。在多个合成和实际数据集上评估了性能，并与现有技术进行比较。
PDF4 years ago
KDD无监督特征分析及类间间隔优化
该论文提出了一种基于无监督学习的特征选择方法，将最大间隔准则和基于稀疏性的模型整合到一个联合框架中，将类间间距和特征相关性同时考虑，通过将 Kmeans 嵌入框架中来生成伪类标签，从提取特征系数矩阵的稀疏结构来有效去除噪声和无关特征，并提出
PDF9 years ago