附件:设置1:设置2:设置3:本书的主要探讨内容: 一是学习分类器与特征选择方法, 重点是做两者的整合研究, 将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于遗传的机器学习框架下, 同时改善分类算法的预测性能与运行效率 ; 二是从提高规则空间的搜索质量出发, 着眼于分类问题, 介绍了基于分布估计算法的学习分类器。摘要:有书目 (第203-224页)
附注提要
本书的主要探讨内容: 一是学习分类器与特征选择方法, 重点是做两者的整合研究, 将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于遗传的机器学习框架下, 同时改善分类算法的预测性能与运行效率 ; 二是从提高规则空间的搜索质量出发, 着眼于分类问题, 介绍了基于分布估计算法的学习分类器。