基于特征加权与特征选择的数据挖掘算法研究的中期报告.docx

基于特征加权与特征选择的数据挖掘算法研究的中期报告
一、研究背景
现今数据挖掘被广泛应用于各种领域。数据挖掘技术在大数据环境下的应用，是实现智能决策和发现商业价值的重要手段。而数据挖掘过程中，特征选择和特征加权是不可或缺的环节。特征选择可以用于削减噪声、提升分类性能、减小计算复杂度等。而特征加权可以用于对不同特征对分类的重要程度进行赋权，进一步提升分类准确率。因此，本研究旨在探究基于特征加权与特征选择的数据挖掘算法。
二、研究目标
本研究的主要目标是：
1.比较各种特征选择方法的效果，并提出适应大数据量、高维度的特征选择方法；
2.通过对各特征的交叉验证分类后，提出适应大数据量、高维度的特征加权方法；
3.基于所提方法，将其应用到真实数据集上，验证其实用性与性能。
三、研究内容
1.对各种现有特征选择方法进行总结和比较，提出适应大数据量、高维度的特征选择方法；
2.提出一种基于交叉验证的特征加权方法，以权重的形式得出各特征对分类结果的影响程度；
3.利用所提方法，对真实数据集进行分类实验，并评估算法性能。
四、研究方法
本研究将采取以下方法进行研究：
1.收集各种特征选择方法并进行比较，分析其优缺点并提出改进方法；
2.提出一种基于交叉验证的特征加权方法，对各特征的影响程度进行计算；
3.进行实验，对真实数据集进行分类测试并评估算法性能。
五、研究进度安排
本研究计划于2021年7月至10月完成以下阶段的工作：
1.收集文献，总结和比较各种特征选择方法，提出适应大数据量、高维度的特征选择方法；
2.提出基于交叉验证的特征加权方法，对各特征进行加权处理；
3.进行实验，验证所提方法的实用性和性能。