特征选择是高维数据处理的一个重要部分,在现实世界中高维的混合数据经常存在.针对高维混合数据,基于模糊粗糙集,在CEBARKNC算法的基础上,改进属性重要性的计算及约简的选取条件,进行特征选择,降低了数据维度,提高了效率,并将其应用于客户流失预测实例中.结果表明:改进的CEBARKNC算法得出的数据用于分类器,与胡清华提出的一个fuzzy-rough算法得出的数据相比,能取得较好的性能.
科研之友
微信
新浪微博
Facebook
分享链接
