|
روشهای مبتنی بر استخراج ويژگی و انتخاب ويژگي!
1(ها)ضميمه
Dimensionality Reduction
روشهای مبتنی بر استخراج ويژگی و انتخاب ويژگي! |
روش های مختلفی برای کاهش اندازه داده ها وجود دارد (Data Reduction):
1- روش های استخراج ویژگی Feature Extraction 2- روش های انتخاب ویژگی Feature Selection در نوع اول، با ترکیب ویژگی ها و ایجاد مجموعه ای جدید از آن ها باعث کاهش ابعاد می شوند.(مثلا PCA) در نوع دوم، بدون تغییر در ویژگی ها، تعدادی از آنها که مهمتر هستند انتخاب شده و بقیه حذف می شوند. (مثلا Rough Set Feature Selection) |
سلام من پیاده سازی کد graph edit distance رو می خوام می خواستم بدونم کسی می تونه کمکم کنه؟
|
نقل قول:
ببخشید فایل pdf اینو ندارین؟ آخه باز نمیشه.. مرسی |
با سلام و خسته نباشید
من دارم روی یک پروژه داده کاوی پیش بینی با استفاده از شبکه های عصبی کار میکنم سوال من اینه که با چه دستور و کدی میتونم میزان تاثیر ویژگی ها یا همون داده های ورودی روی خروجی و نتیجه بدست بیارم ؟ یعنی من الان نتیجه گرفتم فقط می خوام تاثیر هر ویژگی یا همون فیلد ورودی روی نتیجه پیش بینی بدست بیارم مثلا من 5 تا ویژگی (مثلا ویژگی اول جنسیت و ویِِژگی دوم سن افراد و...) به سیستم آموزش میدم حالا میخوام بفهمم کدومشون درصد بیشتر یا کمتری روی نتیجه پیش بینی داشته !! از دوستان خواهش میکنم کمک کنید (ضروری) |
نقل قول:
یکی از روش های تعیین اهمیت ویژگی ها PCA هست. وقتی از این روش استفاده میکنید eigenvalue ها مشخص کننده اهمیت بردار های ویژگی متناظر هستند. هرچقدر این مقدار بزرگتر باشه اهمیت بیشتری هم داره. در ضمن correlation داده ها میتونه در این زمینه تاثیر گذار باشه. correlation زیاد بین ويژگی تاثیر کم اونها در کلاسبندی رو مشخص میکنه. همینطور شما میتونید از KLDA برای Project کردن داده ها به فضای جدید استفاده کنید. مسلما در جایی که تفکیک کلاس ها بیشتر باشه اهمیت ویژگی ها نیز خودشونو نشون میدن. فقط یک نکته دیگه این که با روش feature subset selection میتونید ویژگی های خودتونو با شبکه عصبی ارزیابی کنید. طبیعتا افزایش accuracy شبکه میتونه اهمیت ویژگی ها رو مشخص کنه. ولی این روش جایی مناسبه که بردار ویژگی شما ابعاد کمی داشته باشن. موفق باشید |
سلام دوستان
پروژه من اینکه با شبکه عصبی یاد بگیره که ویژگی جدید که تو داده‌ها دیده شده چقدر اهمیت داره و با ویژگی‌های دیگر ارتباط داره یا نه؟ اگه ارتباط داره دارای چه الویتی هستش؟ اگه کسی میتونه راهنمایی کنه و یا کدی تو این مورد در مطلب داره خیلی خیلی ممنون می‌شم. واقعا نجاتم می‌ده. با تشکر |
نقل قول:
خب حالا چرا این سوال در بخش داده کاوی مطرح شده؟؟ بعدا توقع می کنید چرا کسی پاسخ نمیده!! به قوانین توجه کنید |
سلام
برای انتخاب ویژگی های تاثیر گذار با استفاده از شبکه عصبی یک راه اینه که شما تک تک ویژگی ها را حذف و با بقیه ویژگی ها سیستمتون رو طراحی کنید و بر اساس دقت های بدست اومده ویژگی ها رو اولویت بندی کنید. برای شناسایی رابطه بین ویژگی ها هم میتونید از همبستگی بین داده ها استفاده کنید. یا اینکه روش های مبتنی بر گراف استفاده کنید. موفق باشید |
سلام
کسی مقاله فارسی در مورد روش رپر با الگوریتم pso برای انتخاب ویژگی داده سراغ داره؟ مقاله انگلیسی دارم اما می خواستم ببینم فارسی هم هست؟ تابع هزینه این مسئله رو زیاد متوجه نمیشم . و اینکه چرا باید حتما از pso باینری در این نوع مسئله استفاده بشه. بیشتر مشکلم در شبیه سازی این مسئله هست . کلا این مسئله چه ارتباطی با svm میتونه داشته باشه؟ |
| زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۱۲:۲۳ بعد از ظهر ميباشد. |
Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2025, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.