典型文献
离散化对神经网络性能影响的研究
文献摘要：
在神经网络模型的数据预处理中,对于同时具有定性和定量特征的表格数据,通常的做法是将定性特征表示为独热编码,将定量特征归一化到指定范围.离散化通常被认为会导致信息丢失,因此应该尽量避免.然而,近年来的一些研究表明,离散化具备一些独特的能力,有助于提高模型的性能.针对以上问题,研究了几种常用的离散化方法,使用其中效果最好的MDLP算法将表格数据中的定量特征离散化,随后输入到具有2个隐层的神经网络中训练,最后与训练数据未经离散化的神经网络进行对比.实验结果表明,离散化不仅能够提高神经网络的分类准确率,还能加快神经网络的收敛速度,同时不影响甚至缩短训练时间.
文献关键词：
离散化;神经网络;MDLP算法;表格数据;数据预处理
中图分类号：
作者姓名：
周佳绘
作者机构：
西安石油大学计算机学院 陕西西安 710065
文献出处：
引用格式：
[1]周佳绘-.离散化对神经网络性能影响的研究)[J].信息技术与信息化,2022(04):61-64
A类：
MDLP
B类：
离散化,网络性能,数据预处理,有定性,定性和定量,表格数据,特征表示,独热编码,特征归一化,致信,信息丢失,尽量避免,训练数据,高神,分类准确率,收敛速度,短训,训练时间
AB值：
0.323229
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
