学习++。MF公司 swMATH ID: 37993 软件作者: 罗比·波利卡尔;约瑟夫·德帕斯奎尔(Joseph DePasquale);侯赛因·赛义德·穆罕默德;加文·布朗;Ludmilla I·Kuncheva。 描述: 学习++。MF:针对缺失特征问题的随机子空间方法。我们介绍Learn++。MF是一种基于分类器集成的算法,它使用随机子空间选择来解决监督分类中的缺失特征问题。与大多数既定方法不同,Learn++。MF不会用估计值替换缺失值,因此不需要对基础数据分布进行特定假设。相反,它训练一组分类器,每个分类器都基于可用特征的随机子集。缺失值的实例由训练数据不包含缺失特征的分类器的多数投票进行分类。我们展示了Learn++。MF可以容纳大量丢失的数据,随着丢失数据量的增加,性能只会逐渐下降。我们还分析了随机特征子集的基数和集合大小对算法性能的影响。最后,我们讨论了该方法最有效的条件。 主页: https://www.sciencedirect.com/science/article/abs/pii/S031320310002566 关键词: 缺少数据;缺少的功能;分类器集成;随机子空间 相关软件: 阿达·布斯特。MH公司;UCI-毫升;ElemStatLearn(电子状态学习);AR面;Matlab公司;ccprmod公司;公关工具;学习++。数控;RegEM公司 引用于: 5文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 学习(^{++})。MF:针对缺失特征问题的随机子空间方法。 兹比尔1209.68480罗比·波利卡尔;约瑟夫·德帕斯夸尔;侯赛因·赛义德·穆罕默德;加文·布朗;Ludmilla I·Kuncheva。 2010 全部的 前5名16位作者引用 1 加文·布朗 1 约瑟夫·德帕斯夸尔 1 卡洛塔·多梅尼科尼 1 马雷克·格里戈罗夫斯基 1 贾科·霍尔曼 1 卢德米拉·库切娃一世。 1 马雷克·库钦斯基。 1 侯赛因·赛义德·穆罕默德 1 罗比·波利卡尔 1 多米尼克·扎克 1 托马斯·沃洛辛斯基 1 你,简 1 于国贤 1 于志文 1 张国吉 1 印度兹利奥拜特 3篇连载文章中引用 三 模式识别 1 信息科学 1 机器学习 在2个字段中引用 5 计算机科学(68至XX) 三 统计学(62-XX) 按年份列出的引文