摘要
应用Catboost构建树模型的分割指标作为特征选择度量标准,在原始前向搜索策略的基础上,结合两种度量标准计算综合加权值进行特征搜索。在UCI数据库中选择7个不同维度的标准数据集进行了测试,并与其他6种算法进行了对比分析。
The metrics for building tree in Catboost are taken as the standards of feature selection.The combined metrics based on the original forward search strategy are used to calculate the weighted value for searching the features.7 different dimensional standard data sets selected from the UCI database are tested,and the algorithm is compared with other 6 different methods.
作者
王丽
王涛
肖巍
潘超
WANG Li;WANG Tao;XIAO Wei;PAN Chao(School of Computer Science & Engineering, Changchun University of Technology, Changchun 130012, China)
出处
《长春工业大学学报》
CAS
2021年第1期34-39,共6页
Journal of Changchun University of Technology
基金
国家自然科学基金面上项目(61472049)
吉林省科技发展计划技术攻关项目(20190302071GX)。
关键词
特征选择
集成学习
梯度提升
feature selection
ensemble learning
gradient boosting
作者简介
王丽(1994-),女,汉族,吉林长春人,长春工业大学硕士研究生,主要从事人工智能与特征选择方向研究,E-mail:wangl_yx@foxmail.com;通讯作者:王涛(1969-),女,汉族,吉林长春人,长春工业大学副教授,硕士,主要从事人工智能与特征选择方向研究,E-mail:wangtao690103@163.com。
