采用机器学习的聚类模型特征选择方法比较
作者机构：北京联合大学应用科技学院北京100101
基 金：北京市教委科研计划项目(KM201511417010)
出 版 物：《华侨大学学报（自然科学版）》 (Journal of Huaqiao University(Natural Science))
年 卷 期：2017年第38卷第1期
页 码：105-108页
摘 要：针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究.结果表明:Boruta特征选择方法更具优势.
主 题 词：特征选择 聚类模型 机器学习 递归特征消除算法 Boruta方法
学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类]
D O I：10.11830/ISSN.1000-5013.201701020
馆 藏 号：203215588...
