# 基于符号回归的特征生成
#### 介绍
基于符号回归(遗传算法)的特征生成原理及代码
#### 数据来源
产奶量数据
#### 实现基础
基于gplearn库实现符号回归-特征生成
#### 实现流程
首先,采用corr()方法分析特征相关性
其次,采用gplearn库中SymbolicTransformer实现符号回归 from gplearn.genetic import SymbolicTransformer
然后,符号回归内部为遗传算法,适应度函数默认为皮尔逊系数的公式,优化目标为最大化皮尔逊,该参数可调节自定义。
最后,以随机森林为基线模型,采用交叉验证递归消除特征,选择最优特征。
没有合适的资源?快使用搜索试试~ 我知道了~
基于符号回归(遗传算法)的特征生成原理及代码
共3个文件
md:2个
ipynb:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 38 浏览量
2023-10-07
13:53:09
上传
评论
收藏 335KB ZIP 举报
温馨提示
介绍 基于符号回归(遗传算法)的特征生成原理及代码 数据来源 产奶量数据 实现基础 基于gplearn库实现符号回归-特征生成 实现流程 首先,采用corr()方法分析特征相关性 其次,采用gplearn库中SymbolicTransformer实现符号回归 from gplearn.genetic import SymbolicTransformer 然后,符号回归内部为遗传算法,适应度函数默认为皮尔逊系数的公式,优化目标为最大化皮尔逊,该参数可调节自定义。 最后,以随机森林为基线模型,采用交叉验证递归消除特征,选择最优特征。
资源推荐
资源详情
资源评论
收起资源包目录
feature-generation-master.zip (3个子文件)
feature-generation-master
README.en.md 897B
相关性分析.ipynb 576KB
README.md 686B
共 3 条
- 1
资源评论
云哲-吉吉2021
- 粉丝: 3284
- 资源: 1130
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功