基于强化学习的特征选择算法
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Feature Selection Algorithm Based on Reinforcement Learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    针对在数据挖掘过程中存在的维度灾难和特征冗余问题,本文在传统特征选择方法的基础上结合强化学习中Q学习方法,提出基于强化学习的特征选择算法,智能体Agent通过训练学习后自主决策得到特征子集.实验结果表明,本文提出的算法能有效的减少特征数量并有较高的分类性能.

    Abstract:

    For the dimensional disaster and feature redundancy problems in the process of data mining, a reinforcement learning based feature selection algorithm, which is combined Q learning methods with traditional feature selection methods, is proposed in this study. In the proposed method, the agent acquires a subset of characteristics autonomously through training and learning. Experimental results show that the proposed algorithm can effectively reduce the number of features and has higher classification performance.

    参考文献
    相似文献
    引证文献
引用本文

朱振国,赵凯旋,刘民康.基于强化学习的特征选择算法.计算机系统应用,2018,27(10):214-218

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-03-13
  • 最后修改日期:2018-03-20
  • 录用日期:
  • 在线发布日期: 2018-09-29
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号