...
机译:使用前向特征选择和面向目标的验证来改善时空机器学习模型的性能
Philipps Univ Marburg, Fac Geog, Deutschhausstr 10, D-35037 Marburg, Germany;
Philipps Univ Marburg, Fac Geog, Deutschhausstr 10, D-35037 Marburg, Germany;
ISRIC World Soil Informat, POB 363, NL-6700 AJ Wageningen, Netherlands;
Univ Canterbury, Ctr Atmospher Res, Private Bag 4800, Christchurch 8020, New Zealand;
Philipps Univ Marburg, Fac Geog, Deutschhausstr 10, D-35037 Marburg, Germany;
Cross-validation; Feature selection; Over-fitting; Random forest; Spatio-temporal; Target-oriented validation;
机译:肺炎检测的深度特征学习模型应用MRMR特征选择和机器学习模型的组合
机译:使用蚁群优化功能选择提高极限学习机性能。在自动医疗诊断中的应用
机译:使用蚁群优化特征选择提高极端学习机能性能。应用于自动医学诊断
机译:使用特征选择技术提高机器学习模型性能的分析
机译:改进机器学习的特征选择技术
机译:采用机器学习中猪残留饲料摄入基因组预测预测模型的特征选择稳定性和准确性
机译:基于特征选择,提高乳腺癌诊断机器学习分类器的性能