特征选择是指从原始特征中选择出一些最有效特征以降低数据集维度的过程,其能够降低模型复杂度,减少过拟合的风险。近年来,关于特......

核方法因其良好的泛化性能在分类、回归、聚类等机器学习领域得到了广泛的应用。在回归问题中,引入核函数的支持向量回归是解决非......

核方法因其良好的表达能力和非线性映射等优点,成为机器学习算法中一种有效的工具,其中最具代表性的应用为支持向量机方法(Support......

Fisher线性判别分析(Fisher Linear Discriminant Analysis,FLDA)是一种经典的降维方法,可归结为广义特征值问题的求解,但是广义特......