特征选择是指为了构建模型而选择相关特征子集的过程，目的是去除特征中的无关特征和冗余特征，进而达到简化模型，增强可解释性；减轻维度灾难；提高训练效率；改善通用性等效果。本次报告从特征选择基本框架入手，详细介绍了三种常见搜索策略以及过滤、包装、嵌入三种评价方法。
原创文章，作者：admin，如若转载，请注明出处：https://www.isclab.org.cn/2018/05/28/%e7%89%b9%e5%be%81%e9%80%89%e6%8b%a9%e6%96%b9%e6%b3%95/
梯度消失和梯度爆炸的原因及解决方案
上一篇
2018年5月21日 上午10:03
计算机启动流程详解2
下一篇
2018年6月10日 下午8:19
相关推荐
-
提高对抗鲁棒性的特征降噪方法
当深度学习以惊人的准确性执行各种各样任务的同时，在图像分类等领域的深度神经网络却容易受到对抗样本的攻击，从而输出错误的预测结果。本次学术报告首先说明了对抗攻防的主要方法分类和残差网…
-
关联规则分析相关算法介绍
关联规则分析是以中基于规则的机器学习算法，也是一种用于知识发现的算法。可以在大数据中发现感兴趣的关系，目的是…
-
代码变更表示学习及其应用研究
代码变更指对软件源代码的增加，删除，修改。软件项目的代码库可以视为一系列代码变更的有序组合，因此代码变更对理解代码库和分析软件演化过程十分重要。代码变更表示学习旨在将代码变更表示为…
-
图神经网络可解释方法
图神经网络模型的可解释性对于建立用户与决策模型之间的信任关系至关重要，为了安全、可信地部署图神经网络模型，需要提高图神经网络模型的可解释性和透明性。本次报告带大家了解图神经网络的可…
-
HTTPS浅析
HTTPS(全称：Hyper Text Transfer Protocol over Secure Socket Layer)，是以…
-
模型窃取
机器学习，尤其是神经网络，已广泛部署在行业环境中，模型通常被部署为预测服务。但是，具有对模型的查询访问权的对手可以窃取该模型以获得与远程目标模型基本一致的替代模型，这就是模型窃取攻…
-
设计模式在Web开发中 的实践
模式是一种可复用的解决方案，可用于解决软件设计中遇到的常见问题。本次报告带大家了解web开发中部分设计模式思想以及应用实例 ，以及了解消息中间件（异步、解耦、削峰）的简单使用。
-
高准确率的鲁棒加密恶意流量实时检测方法
本报告讲述了加密恶意流量检测领域基本概念，通过详细介绍基于频域分析的实时鲁棒恶意流量检测和基于自适应聚类的网络边缘恶意流量分类方法，启发思考通过统计聚类分析来提升加密恶意流量检测算…
-
面向深度学习模型的鲁棒性解释方法研究
深度学习模型的鲁棒性解释方法旨在提升模型在面对输入扰动或对抗攻击时的解释一致性，是增强模型可信性和应用价值的重要研究方向。本次学术报告介绍了该领域的研究背景与发展现状，重点阐述了M…
-
多人协作利器Git
详细介绍Git的原理、初级和进阶用法
