代价敏感属性中对数加权算法和信息增益算法的比较

在数据挖掘中代价敏感学习问题具有很重要的地位。而测试代价与误分类代价的研究却是一个非常重要的课题。代价敏感属性选择问题的关键就是提出有效算法。最近几年,研究者从不同角度提出不同的算法,例如对数加权算法和信息增(-weighted算法来解决最小测试代价下的属性选择问题,所以本文的重点就是比较这2种算法的效果和效率。

基于多特征优化算法的丁酰化修饰位点计算分类

赖氨酸丁酰化是一种新型酰化修饰,修饰位点的确定对相关疾病机理研究具有重要意义.计算分类方法由于其速度快、花费低、准确率高等优点为修饰位点的确定提供了一种新思路.本文以丁酰化修饰实验数据为研究对象,利用信息增益、F-Score和最小冗余最大相关三种特征优化算法,结合支持向量机算法进行特征提取和融合,建立了速度快、准确率高的丁酰化修饰最优计算分类模型.