提出有效选择变量的新算法
中国科学院合肥物质科学研究院智能机器研究所(HFIPS)的研究团队最近提出了一种新的变量选择方法，用于化学计量学应用。他们将该算法称为多权重向量最优选择和自举软收缩(MWO-BOSS)。
研究结果发表在 《透视物理与技术》杂志上。
光谱技术借助光谱分析检测和光谱仪，广泛应用于各个领域。从复杂的高维光谱数据中提取特征信息对于定性和定量分析、增强预测能力以及促进经济高效的多通道光谱检测仪器的开发起着至关重要的作用。尽管如此，由于其 NP 困难性质，从高维变量空间中选择最佳波长组合来构建光谱预测模型仍然是一项具有挑战性的任务。
为了进一步提高变量选择的有效性，研究团队在BOSS算法框架的基础上提出了MWO-BOSS算法。该算法结合了六个权重向量——选择性比、投影中的变量重要性、频率向量、残差方差向量的倒数、回归系数和显着性多元相关性——并使用阈值搜索策略来寻找最佳权重向量，以从中提取有用信息频谱。
该算法的性能在玉米、土壤和啤酒等公开数据集以及多种高性能变量选择算法上进行了测试。结果表明，该算法能够有效地选择变量，显着提高模型的预测能力。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。系信息发布平台，仅提供信息存储空间服务。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。
本文来自网络,若有侵权，请联系删除，作者：李夕林，如若转载，请注明出处：
