在文本分类中，用于特征选择的统计量主要有这些：特征频度（term frequency，tf）原理是：低频的往往对分类影响不大，从而可以被排除掉。同时，不是所以高频都是影响大的，比如在文本中分布均匀的高频的贡献是不大的。应用： 主要用在文本标引时直接删除某些低频特征 2. 文本频度（documen.....
分类：
其他好文 时间：
2015-03-20 12:36:57
阅读次数：
148
本节课要点：VC维：模型选择算法 特征选择vc维：个人还是不太理解。个人的感觉就是为核函数做理论依据，低维线性不可分时，映射到高维就可分，那么映射到多高呢？我把可分理解为“打散”。参考的资料：http://www.cnblogs.com/boostable/p/iage_VC_dimension.h...
分类：
其他好文 时间：
2015-03-11 19:07:30
阅读次数：
138
学习机器学习有一段时间了，却连这个最基本的理论问题都没弄懂，这里我简单的阐述一下。 比如这里我有L个度量值集合{X1， X2， X3, ... XL}; 特征选择：从已有的L个度量值中按照一定的标准选择m（m<L）个子集，{X1， X2， X3，... Xm}；这m个度量值就是作为降维后的特征。 特...
分类：
其他好文 时间：
2015-03-04 16:34:06
阅读次数：
168
http://www.blogjava.net/zhenandaci/archive/2009/04/19/266388.html在文本分类的过程中，特征（也可以简单的理解为“词”）从人类能够理解的形式转换为计算机能够理解的形式时，实际上经过了两步骤的量化——特征选择阶段的重要程度量化和将具体文本转...
分类：
其他好文 时间：
2015-02-04 20:08:48
阅读次数：
185
http://www.blogjava.net/zhenandaci/archive/2008/08/31/225966.html前文提到过，除了分类算法以外，为分类文本作处理的特征提取算法也对最终效果有巨大影响，而特征提取算法又分为特征选择和特征抽取两大类，其中特征选择算法有互信息，文档频率，信息...
分类：
编程语言 时间：
2015-02-04 20:05:44
阅读次数：
282
http://www.blogjava.net/zhenandaci/archive/2009/03/24/261701.html前文提到过，除了开方检验（CHI）以外，信息增益（IG，Information Gain）也是很有效的特征选择方法。但凡是特征选择，总是在将特征的重要程度量化之后再进行选...
分类：
其他好文 时间：
2015-02-04 20:05:04
阅读次数：
277
(1)什么是特征选择特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )，是指从全部特征中选取一个特征子集，使构造出来的模型更好。(2)为什么要做特征选择在机器...
分类：
编程语言 时间：
2015-01-01 21:09:14
阅读次数：
251
前文提到过，除了开方检验（CHI）以外，信息增益（IG，Information Gain）也是非常有效的特征选择方法。但凡是特征选择，总是在将特征的重要程度量化之后再进行选择，而怎样量化特征的重要性，就成了各种方法间最大的不同。开方检验中使用特征与类别间的关联性来进行这个量化，关联性越强，特征得分越...
分类：
其他好文 时间：
2014-10-30 18:33:54
阅读次数：
130
前文提到过，除了开方检验（CHI）以外，信息增益（IG，Information Gain）也是非常有效的特征选择方法。但凡是特征选择，总是在将特征的重要程度量化之后再进行选择，而怎样量化特征的重要性，就成了各种方法间最大的不同。开方检验中使用特征与类别间的关联性来进行这个量化，关联性越强，特征得分越...
分类：
其他好文 时间：
2014-10-21 22:55:49
阅读次数：
276
