基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分类问题中的特征选择一直是一个重要而又困难的问题.这类问题中要求特征选择算法不仅能够帮助分类器提高分类准确率,同时还要尽可能地减少冗余特征.因此,为了在分类问题中更好地进行特征选择,提出了一种新型的包裹式特征选择算法XGBSFS.该算法借鉴极端梯度提升(XGBoost)算法中构建树的思想过程,通过从3个重要性度量的角度来衡量特征的重要性,避免单一重要性度量的局限性;然后通过改进的序列浮动前向搜索策略(ISFFS)搜索特征子集,使最终得到的特征子集有较高的质量.在8个UCI数据集的对比实验中表明,所提算法具有很好的性能.
推荐文章
基于XGBoost分类算法的热舒适预测模型
热舒适
XGBoost分类算法
公共建筑
SHAP值
基于优化XGBoost算法的电信用户流失预测
XGBoost算法
用户流失
数据挖掘
贝叶斯优化
融合协同过滤的XGBoost推荐算法
协同过滤
冷启动
XGBoost
推荐系统
基于XGBoost算法的并网光伏系统智能孤岛检测方法
孤岛检测
XGBoost算法
统计学习
分类模型
智能检测方法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于XGBoost的特征选择算法
来源期刊 通信学报 学科 工学
关键词 特征选择 极端梯度提升 序列浮动搜索策略
年,卷(期) 2019,(10) 所属期刊栏目 学术论文
研究方向 页码范围 101-108
页数 8页 分类号 TP18
字数 6949字 语种 中文
DOI 10.11959/j.issn.1000-436x.2019154
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李占山 吉林大学计算机科学与技术学院 43 234 7.0 13.0
10 刘兆赓 吉林大学软件学院 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (18)
节点文献
引证文献  (5)
同被引文献  (5)
二级引证文献  (0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(5)
  • 参考文献(5)
  • 二级参考文献(0)
2019(6)
  • 参考文献(5)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(4)
  • 引证文献(4)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征选择
极端梯度提升
序列浮动搜索策略
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通信学报
月刊
1000-436X
11-2102/TN
大16开
北京市丰台区成寿路11号邮电出版大厦8层
2-676
1980
chi
出版文献量(篇)
6235
总下载数(次)
17
总被引数(次)
85479
论文1v1指导