特征挖掘算法与不同机器学习方法在回归问题中的应用研究

• 作者: 李科
• 来源期刊: 网络安全技术与应用
• 关键词: Boruta算法 随机森林 支持向量机 k最近邻 梯度提升 回归问题
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 44-45
• 页数: 2页
• 字数: 1711字
• 语种: 中文

摘要

近年来,机器学习方法在各个领域内的应用十分广泛,而特征挖掘则是机器学习过程中十分重要的数据预处理过程.Boruta算法是一种基于随机森林算法的特征筛选算法,该算法可以对机器学习过程中的自变量进行筛选,并且进行重要性排序.随机森林、支持向量机、k最近邻算法和梯度提升模型则是机器学习中的经典算法,在解决回归和分类问题中均有较广泛的应用.本文通过红葡萄酒案例,将Boruta算法与4种机器学习方法相结合,探讨Boruta算法的作用及几种不同机器学习方法的区别,为将特征挖掘算法和机器学习在回归问题中的应用提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李科	安徽理工大学测绘学院	2	3	1.0	1.0