跳到正文
热点事件持续更新

研究提出加权t-SNE评估特征评分器

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Bruno Iochins Grisci 等作者提出“weighted t-SNE”方法，通过修改嵌入二维空间中数据点之间的关系，反映特征评分器给出的各原始维度重要性，并用轮廓系数对结果做数值评估。 作者在合成与真实表格数据集上，结合从互信息到神经网络的九种特征评分器进行实验。作者称，该方法可用于比较并选择更适合特定数据集与任务的特征评分器，也能可视化机器学习模型所学特征的重要性。

AI 根据报道生成 · 2 小时前更新

最新进展10月31日 12:00
用 t-SNE 评估高维数据集上的特征评分器结果

报道时间线

沿着报道，了解事件的不同侧面。

10月31日
  1. arXiv cs.AI
    用 t-SNE 评估高维数据集上的特征评分器结果

    研究提出“weighted t-SNE”，通过修改嵌入 2D 空间中数据点之间的关系，反映特征评分器给出的各原始维度重要性。作者给出实现方法，并提出用轮廓系数对结果做数值评估，在合成与真实表格数据集上结合从互信息到神经网络的九种特征评分器进行实验。该方法可比较并选择更适合特定数据集与任务的特征评分器，也能可视化机器学习模型所学特征的重要性。

本事件热度走势

可比范围当前
7
可比范围峰值
810月31日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。