分类问题中过滤式选择建模属性的方法及应用

属性是描述数据特征的基本单元.首先分析属性选择的意义,继而阐述了过滤式属性选择的原理,结合垃圾短信样本数据进行实证分析,结果表明,属性筛选对于建模至关重要,经过属性筛选,模型准确率有了大幅提升.

基于再缩放策略的逻辑回归算法及其应用

文章提出了一种利用过滤式属性筛选-去相关的方法选择建模属性,极大程度地削弱属性之间的共线性程度。逻辑回归算法在进行类别判定时默认以0.5为判定阈值,但此种判定方式在不平衡数据集上的效果不理想,利用再缩放策略研究逻辑回归算法在不平衡数据集上的应用,并在某运营商提供的垃圾短信用户行为消费特征样本数据上进行实证分析。结果表明,经由过滤式属性筛选-去相关选取建模变量之后,基于再缩放策略的逻辑回归学习器具有良好的准确率和普适性。