基于L2,1范数的特征选择方法
本文来自于论文Feiping Nie, Heng Huang, Xiao Cai, Chris H. Q. Ding. Efficient and Robust Feature Selection via Joint L2,1-Norms Minimization,NIPS,pp.1813-1821, 2010的阅读心得总结 该论文提出了一种基于损失函数和正则项的 L2,1 L 2 , 1 范数来
相关文章
- 1. 特征选择之基于相关性的特征选择（CFS）
- 2. 特征选择-卡方检验用于特征选择
- 3. 特征选择方法
- 4. 数据特征选择法
- 5. 特征选择(2)：特征选择：方差选择法、卡方检验、互信息法、递归特征消除、L1范数
- 6. 特征选择/筛选方法总结
- 7. 特征表示：特征选择、特征抽取（方法概述）
- 8. 特征选择的一些方法
- 9. 特征选择的工程方法？
- 10. 一些特征选择的方法(I)
- 更多相关文章...
- • Scala Trait(特征) - Scala教程
- • XQuery 选择 和 过滤 - XQuery 教程
- • ☆基于Java Instrument的Agent实现
- • Kotlin学习（一）基本语法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 特征选择之基于相关性的特征选择（CFS）
- 2. 特征选择-卡方检验用于特征选择
- 3. 特征选择方法
- 4. 数据特征选择法
- 5. 特征选择(2)：特征选择：方差选择法、卡方检验、互信息法、递归特征消除、L1范数
- 6. 特征选择/筛选方法总结
- 7. 特征表示：特征选择、特征抽取（方法概述）
- 8. 特征选择的一些方法
- 9. 特征选择的工程方法？
- 10. 一些特征选择的方法(I)