没有合适的资源?快使用搜索试试~ 我知道了~
pyHSICLasso:高维数据的多功能非线性特征选择算法
共31个文件
py:17个
npy:2个
csv:2个
需积分: 32 13 下载量 83 浏览量
2021-05-10
23:39:57
上传
评论 2
收藏 3.07MB ZIP 举报
温馨提示
pyHSICLasso pyHSICLasso是希尔伯特·施密特(Hilbert Schmidt)独立标准套索(HSIC Lasso)的软件包,这是一种考虑了非线性输入和输出关系的黑匣子(非线性)特征选择方法。 HSIC Lasso可以看作是广泛使用的最小冗余最大相关性(mRMR)特征选择算法的凸变体。 HSIC套索的优势 可以有效地找到与非线性相关的特征。 可以找到非冗余功能。 可以获得全局最优的解决方案。 可以通过内核处理回归和分类问题。 功能选择 监督性特征选择的目标是找到负责预测输出值的输入特征子集。 通过使用它,您可以补充非线性输入和输出的依赖性,并且可以有效地计算高维问题的最优解。 通过针对数以千计的特征进行分类和回归的特征选择实验证明了其有效性。 在许多实际应用中,例如从微阵列数据中选择基因,文档分类和假体控制,在高维监督学习中寻找功能的子集是一个重要的问题。 安装
资源推荐
资源详情
资源评论
收起资源包目录
pyHSICLasso-master.zip (31个子文件)
pyHSICLasso-master
.gitignore 1KB
setup.cfg 22B
README.md 9KB
README.rst 5KB
pyHSICLasso
api.py 16KB
kernel_tools.py 1KB
nlars.py 4KB
hsic_lasso.py 3KB
plot_figure.py 2KB
input_data.py 2KB
__init__.py 395B
tests
test_input_data.py 1KB
test_classification.py 3KB
test_regression.py 3KB
test_input.py 8KB
test_data
tsv_data.tsv 296KB
csv_data.csv 296KB
X_in.npy 1.53MB
csv_data_mv.csv 296KB
matlab_data.mat 1.47MB
Y_in.npy 880B
LICENSE 1KB
requirements.txt 63B
example
sample_heatmap.py 740B
sample.py 745B
sample_covars.py 903B
sample_multi_variate_output.py 510B
sample_multicore.py 569B
MANIFEST.in 197B
setup.py 2KB
.travis.yml 145B
共 31 条
- 1
资源评论
Her101
- 粉丝: 19
- 资源: 4667
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
最新资源
- BLOCK_TYPE_HEARTBEAT_D70A3465D4EE4E9_046141_dump_1st.dmp
- 项目方法测试调用接口工具
- studyupdate
- 基于西瓜数据集的决策树实现.zip
- 60套HTML网站源码-响应式-涵盖(简历&作品展示&商业&科技&培训&商城&课设等)-适配移动设备-解压即用.zip
- 贪心算法要点和难点实例代码解析
- 65套HTML网站源码-响应式-涵盖(简历&作品展示&商业&科技&培训&商城&课设等)-适配移动设备-解压即用.zip
- 多因素决策树的Python实现.zip
- 使用Python在莺尾花数据集上实现了决策树算法,文件里有数据集.zip
- python实现决策树.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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