高维数据挖掘中基于中位数回归的特征提取新方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：为降低噪声对数据特征提取（变量选择）效果的不利影响，基于中位数回归分析方法，利用变量选择降维技术（正则化估计），提出了一种稳健、有效的特征提取（变量选择）新方法，并具体给出了估计算法，该算法具有快速计算的特点。实验结果表明，新方法能够有效地对高维数据集进行估计和变量选择，且具有较高的准确性，即使数据中的信噪比很低时，该方法仍具有较好的效果。因此，该方法为高维数据挖掘特征提取提供了稳健且有效的方法。

原文链接:http://www.cqvip.com//QK/93231X/201302/44760386.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数据挖掘 中位数 新方法 cqvip 变量选择 高维数据 特征提取 变量选择 中位数回归 LASSO