会员服务
特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。
Safe Distributionally Robust Feature Selection under Covariate Shift
Arxiv
0+阅读 · 3月17日
A Lightweight IDS for Early APT Detection Using a Novel Feature Selection Method
Arxiv
0+阅读 · 3月15日
SEHFS: Structural Entropy-Guided High-Order Correlation Learning for Multi-View Multi-Label Feature Selection
Arxiv
0+阅读 · 3月3日
Empirically Calibrated Conditional Independence Tests
Arxiv
0+阅读 · 2月24日
FairFS: Addressing Deep Feature Selection Biases for Recommender System
Arxiv
0+阅读 · 2月23日
A Lightweight IDS for Early APT Detection Using a Novel Feature Selection Method
Arxiv
0+阅读 · 2月26日
Model-Agnostic Dynamic Feature Selection with Uncertainty Quantification
Arxiv
0+阅读 · 2月18日
Robust Ultra-High-Dimensional Variable Selection With Correlated Structure Using Group Testing
Arxiv
0+阅读 · 2月6日
Iterative Exploration-Driven Sparse SDP Clustering via Thompson Sampling
Arxiv
0+阅读 · 2月16日
GRASP: group-Shapley feature selection for patients
Arxiv
0+阅读 · 2月11日
LLM-FS: Zero-Shot Feature Selection for Effective and Interpretable Malware Detection
Arxiv
0+阅读 · 2月10日
Ca-MCF: Category-level Multi-label Causal Feature selection
Arxiv
0+阅读 · 2月13日
Provable FDR Control for Deep Feature Selection: Deep MLPs and Beyond
Arxiv
0+阅读 · 2月9日
ROOFS: RObust biOmarker Feature Selection
Arxiv
0+阅读 · 2月13日
Empirical Bayes for Data Integration
Arxiv
0+阅读 · 2月5日
参考链接
微信扫码咨询专知VIP会员
Top