典型文献
基于LightGBM-Gibbs Sampling的特征选择算法研究
文献摘要：
针对数据维度较高、数据的冗余性导致模型训练带来的复杂性和挖掘不足的问题,创新性地提出了一种基于轻量梯度提升机(light gradient boosting machine,LightGBM)算法的吉布斯采样(Gibbs Sam?pling)方法,获取近似于目标分布的样本数据集,对样本数据集进行分析得到每个特征的重要度,选取一定的特征实现特征选择,实现降维.为验证这种方法的有效性,选取一些典型的特征选择算法进行对比,通过交叉验证的方法,与之进行比较,发现基于Gibbs Sampling的特征选择算法会取得更好的准确率,与原始数据集相比,能有效降低特征,同时提高了模型预测能力.
文献关键词：
LightGBM;Gibbs Sampling;特征选择;交叉验证
中图分类号：
作者姓名：
产胜宁
作者机构：
贵州财经大学,贵阳 550025
文献出处：
引用格式：
[1]产胜宁-.基于LightGBM-Gibbs Sampling的特征选择算法研究)[J].现代计算机,2022(06):56-59
A类：
B类：
LightGBM,Gibbs,Sampling,特征选择算法,算法研究,数据维度,冗余性,模型训练,轻量梯度提升机,light,gradient,boosting,machine,吉布斯,近似于,样本数据集,重要度,征实,交叉验证,法会,原始数据,预测能力
AB值：
0.3525
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。
