|
|
1.
基于改进的F-score与支持向量机的特征选择方法
谢娟英 王春霞 蒋帅 张琰
计算机应用
2010, 30 (4):
993-996.
将传统F-score度量样本特征在两类之间的辨别能力进行推广，提出了改进的F-score，使其不但能够评价样本特征在两类之间的辨别能力，而且能够度量样本特征在多类之间的辨别能力大小。以改进的F-score作为特征选择准则，用支持向量机(SVM)评估所选特征子集的有效性，实现有效的特征选择。通过UCI机器学习数据库中六组数据集的实验测试，并与SVM、PCA+SVM方法进行比较，证明基于改进F-score与SVM的特征选择方法不仅提高了分类精度，并具有很好的泛化能力，且在训练时间上优于PCA+SVM方法。
相关文章 |
多维度评价
|
|
