| 基于強化學習的特征工程算法研究 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>486 K | |
| 標簽： 特征工程 強化學習 機器學習 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：特征工程可以自動地處理和生成那些判別性高的特征，而無需人為的操作。特征工程在機器學習中是不可避免的一環，也是至關重要的一環。提出一種基于強化學習(RL)的方法，將特征工程作為一個馬爾可夫決策過程(MDP)，在上限置信區間算法(UCT)的基礎上提出一個近似的方法求解二分類數值數據的特征工程問題，來自動獲得最佳的變換策略。在5個公開的數據集上驗證所提出方法的有效性，FScore平均提高了9.032%，同時與其他用有限元變換進行特征工程的方法進行比較。該方法確實可以得到判別性高的特征，提高模型的學習能力，得到更高的精度。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2