18、分类模型与特征选择方法解析

root9

于 2025-09-02 16:48:39 发布

阅读量30

点赞数

CC 4.0 BY-SA版权

分类专栏：数据驱动神经科学文章标签：分类模型特征选择 k近邻算法

本文链接：https://blog.youkuaiyun.com/root9/article/details/152344932

47 篇文章 ¥499.90

订阅专栏¥69.90

在机器学习和数据分析领域，分类模型和特征选择方法是至关重要的组成部分。本文将深入探讨监督分类模型的特征选择策略，以及非概率分类器中的k近邻算法。

在不同场景下，对七种监督分类模型的预测变量进行了研究，包括所有初始变量（连续变量和三区间离散化变量）以及两种不同搜索启发式的包装器方法（最佳优先搜索和遗传算法）。

分类器	所有变量（连续）	所有变量（离散）	包装器（最佳优先搜索）	包装器（遗传算法）
1 - NN	26.61	27.98	36.70	34.86
C4.5	24.77	32.57	50.00	30.28
RIPPER	31.19	30.28	44.04	35.32
SVM	31.65	31.19