如需要完整文档点击下方 "点击下载文档" 按钮

在要求可解释性的机器学习和统计应用中,变量选择对分类和回归任务十分重要. 本文提出了一种基于Copula熵的变量选择方法,利用Copula熵值的阶次选择变量. 本方法既是模型无关的又是参数无关的.在UCI心脏病数据的基础上进行了本方法与传统变量选择方法(包括距离相关、希尔伯特--施密特独立性准则、逐步选择、正则化广义线性模型和自适应LASSO)的对比实验. 实验结果表明, 基于Copula熵的方法能够更有效地选择`正确'的变量,在不牺牲准确性性能的同时得到比传统方法更具可解释性的模型.

如需要完整文档点击下方 "点击下载文档" 按钮

《基于Copula熵的变量选择》

将 完整文档 下载到本地，方便收藏和查阅

文件号：321955

点击下载文档