SVM-RFE(support vector machine-recursive feature elimination) 是基于支持向量机的机器学习方法,在生物信息学中,我们可以利用此方法对我们的差异分析后的差异基因表达矩阵进行基因的特征提取,根据自身设置分组变量的不同,最终达到通过SVM产生的特征向量来寻找最佳变量的目的,也就是利用机器学习的方法筛选特征基因,这些...
(features), by = 1), # 逐步减少特征 rfeControl = rfe_control, method = "svmLinear" # 使用线性核支持向量机 ) return(rfe_results) } # 执行SVM-RFE rfe_results <- svm_rfe(features, response) # 停止并行计算 stopCluster(cl) # 保存特征重要性 importance <- varImp(rfe_results) write....
本发明公开了一种基于SVMRFE的客户风险特征筛选方法及其应用,方法包括:获取包括多个客户特征的客户风险特征数据;针对客户风险特征X,基于基尼系数,信息增益,信息增益比,互信息及SVM分类器最优分类结果的特征权重计算客户风险特征X的重要度综合度量指数;依次计算所有的客户风险特征的重要度综合度量指数后,按照以上指数从大到...
本代码使用svm_RFE来循环递归式的对数据特征进行排序,从而筛选出有用的特征,同时可以看到特征排序,已经每次筛选出去的特征点赞(0) 踩踩(0) 反馈 所需:1 积分 电信网络下载 openharmony_neo 2025-01-26 18:37:10 积分:1 kc3xm51 2025-01-26 18:36:17 积分:1 ...
在对客户风险特征进行筛选时,使用本专利提出的基于svm-rfe的客户风险特征筛选方法具有如下优势:第一,利用基尼系数、信息增益和信息增益比构建度量特征与目标变量之间的相关性指标,保证所筛选客户风险特征集的有效性;第二,利用互信息构建度量客户风险特征之间的冗余信息指标,保证所筛选客户风险特征集以及svm分类器的简洁性...
一种基于SVM-RFE的客户风险特征筛选方法及其应用本发明公开了一种基于SVMRFE的客户风险特征筛选方法及其应用,方法包括:获取包括多个客户特征的客户风险特征数据;针对客户风险特征X王国强罗康洋张怡谢晓金施兴森李金姚兵李梦颖
一种基于SVM-RFE的客户风险特征筛选方法及其应用专利信息由爱企查专利频道提供,一种基于SVM-RFE的客户风险特征筛选方法及其应用说明:本发明公开了一种基于SVM‑RFE的客户风险特征筛选方法及其应用,方法包括:获取包括多个客户特...专利查询请上爱企查