论文部分内容阅读
共同训练是一个监督半的学习方法,它雇用二个互补学习者为对方把未标记的数据标记并且一起预言测试样品。以前的研究证明冗余的信息罐头帮助改进在监督半的学习方法和监督学习方法之间的预言精确性的比率。然而,冗余的信息实际上经常伤害学习机器的表演。这篇论文调查冗余的特征什么在监督半的学习方法上有效果,并且怎么象无关的特征一样移开冗余的特征,例如共同训练。这里, FESCOT (为共同训练的特征选择) 被建议改进与特征选择共同训练的归纳表演。人工、真实的世界数据集合上的试验性的结果证明 FESCOT 帮助移开伤害了共同