正文

灰狼算法特征選擇（灰狼算法特征選擇題及答案）

發(fā)布時(shí)間：2023-04-18 22:45:07 稿源：創(chuàng)意嶺閱讀： 133

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于灰狼算法特征選擇的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話(huà)答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線(xiàn)網(wǎng)頁(yè)版、PC客戶(hù)端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶(hù)遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話(huà)175-8598-2043，或添加微信：1454722008

本文目錄:

1、THC是什么意思？CFS費(fèi)用是什么意思？
2、決策樹(shù)算法-原理篇
3、比較特征選擇和因子分析算法的異同
4、特征元素篩選的目的

灰狼算法特征選擇（灰狼算法特征選擇題及答案）

一、THC是什么意思？CFS費(fèi)用是什么意思？

THC即Terminal Handling Charges (碼頭處理費(fèi))的縮寫(xiě)，是指由船公司向交貨人或收貨人收取的費(fèi)用，用以抵償船公司在裝貨港或目的港需要支付給碼頭或者中間作業(yè)經(jīng)營(yíng)者的貨柜碼頭裝卸費(fèi)用及其他有關(guān)處理貨物的費(fèi)用。THC可分成裝貨港的THC和目的港的THC。

CFS是集裝箱貨運(yùn)站（CONTAINER FREIGHT STATION）是處理拼箱貨的場(chǎng)所，集裝箱貨運(yùn)站的使用費(fèi)用，它辦理拼箱貨的交接，配載積載后，將箱子送往CY(Container Yard，集裝箱（貨柜）堆場(chǎng))，并接受CY交來(lái)的進(jìn)口貨箱，進(jìn)行拆箱，理貨，保管，最后撥給各收貨人。同時(shí)也可以按承運(yùn)人的委托進(jìn)行鉛封和簽發(fā)場(chǎng)站收據(jù)等業(yè)務(wù)。CFS的費(fèi)用，通常是以一個(gè)立方多少來(lái)計(jì)算的。

灰狼算法特征選擇（灰狼算法特征選擇題及答案）

擴(kuò)展資料：

THC按起運(yùn)港和目的港不同可劃分為OTHC（Origin Terminal Handling Charge，起運(yùn)港碼頭操作費(fèi)）和DTHC（Destination Terminal Handling Charge，目的港碼頭操作費(fèi)）兩種。出口到美國(guó)的貨物沒(méi)有DTHC。

2010 1月1號(hào)開(kāi)始，船公司會(huì)進(jìn)一步增加THC 的收費(fèi)，部分船公司收費(fèi)已經(jīng)發(fā)出通知，例如COSCO。

THC費(fèi)用、ORC費(fèi)用法律提示:

1. 無(wú)論FOB還是CFR情況下，裝貨港的THC/ORC費(fèi)用均由賣(mài)方承擔(dān)，中國(guó)供應(yīng)商在報(bào)價(jià)時(shí)必須考慮該價(jià)格因素。

2. 認(rèn)為FOB情況下，買(mǎi)方承擔(dān)運(yùn)費(fèi)就必然承擔(dān)THC或者ORC的觀(guān)點(diǎn)是失當(dāng)?shù)?。該觀(guān)點(diǎn)是對(duì)THC費(fèi)用性質(zhì)及FOB條款涵義的誤解所造成的，中國(guó)供應(yīng)商應(yīng)予注意。

3. 認(rèn)為CFR情況下，賣(mài)方必然承擔(dān)卸貨港的駁運(yùn)費(fèi)、碼頭費(fèi)用的觀(guān)點(diǎn)也是失當(dāng)?shù)?。賣(mài)方可以通過(guò)在運(yùn)輸合同中排除承擔(dān)，以及在買(mǎi)賣(mài)合同中約定由買(mǎi)方承擔(dān)，而實(shí)現(xiàn)自身的免責(zé)。所以，CFR條件下，賣(mài)家需要注意的問(wèn)題是，運(yùn)輸合同由賣(mài)方簽訂，船公司往往在格式條款中要求賣(mài)家承擔(dān)目的港的碼頭費(fèi)用，若賣(mài)方不擬承擔(dān)該費(fèi)用，應(yīng)在運(yùn)輸合同中排除;若船公司的格式合同不容更改，則應(yīng)在買(mǎi)賣(mài)合同中約定由買(mǎi)方補(bǔ)償該費(fèi)用。

4. 上述關(guān)于THC和ORC費(fèi)用的承擔(dān)適用于買(mǎi)賣(mài)雙方僅約定FOB或CFR條件，且沒(méi)有對(duì)THC和ORC作出特別約定的情形，事實(shí)上，對(duì)于THC和ORC的承擔(dān)，買(mǎi)賣(mài)雙方是可以通過(guò)買(mǎi)賣(mài)合同另行約定，且該另行之約定較FOB或CFR條件有優(yōu)先效力。

參考資料：百度百科-THC （集裝箱碼頭裝卸作業(yè)費(fèi)的縮寫(xiě)）

參考資料：百度百科-CFS （集裝箱貨運(yùn)站）

二、決策樹(shù)算法-原理篇

關(guān)于決策樹(shù)算法，我打算分兩篇來(lái)講，一篇講思想原理，另一篇直接擼碼來(lái)分析算法。本篇為原理篇。

通過(guò)閱讀這篇文章，你可以學(xué)到：

1、決策樹(shù)的本質(zhì)

2、決策樹(shù)的構(gòu)造過(guò)程

3、決策樹(shù)的優(yōu)化方向

決策樹(shù)根據(jù)使用目的分為：分類(lèi)樹(shù)和回歸樹(shù)，其本質(zhì)上是一樣的。本文只講分類(lèi)樹(shù)。

決策樹(shù)，根據(jù)名字來(lái)解釋就是，使用樹(shù)型結(jié)構(gòu)來(lái)模擬決策。

用圖形表示就是下面這樣。

其中橢圓形代表：特征或?qū)傩?。長(zhǎng)方形代表：類(lèi)別結(jié)果。

面對(duì)一堆數(shù)據(jù)（含有特征和類(lèi)別），決策樹(shù)就是根據(jù)這些特征（橢圓形）來(lái)給數(shù)據(jù)歸類(lèi)（長(zhǎng)方形）

例如，信用貸款問(wèn)題，我根據(jù)《神奇動(dòng)物在哪里》的劇情給銀行造了個(gè)決策樹(shù)模型，如下圖：

然而，決定是否貸款可以根據(jù)很多特征，然麻雞銀行選擇了：（1）是否房產(chǎn)價(jià)值>100w；（2）是否有其他值錢(qián)的抵押物；（3）月收入>10k；（4）是否結(jié)婚；這四個(gè)特征，來(lái)決定是否給予貸款。

先不管是否合理，但可以肯定的是，決策樹(shù)做了特征選擇工作，即選擇出類(lèi)別區(qū)分度高的特征。

由此可見(jiàn)， 決策樹(shù)其實(shí)是一種特征選擇方法。 （特征選擇有多種，決策樹(shù)屬于嵌入型特征選擇，以后或許會(huì)講到，先給個(gè)圖）即選擇區(qū)分度高的特征子集。

那么， 從特征選擇角度來(lái)看決策樹(shù)，決策樹(shù)就是嵌入型特征選擇技術(shù)

同時(shí)，決策樹(shù)也是機(jī)器學(xué)習(xí)中經(jīng)典分類(lèi)器算法，通過(guò)決策路徑，最終能確定實(shí)例屬于哪一類(lèi)別。

那么， 從分類(lèi)器角度來(lái)看決策樹(shù)，決策樹(shù)就是樹(shù)型結(jié)構(gòu)的分類(lèi)模型

從人工智能知識(shí)表示法角度來(lái)看，決策樹(shù)類(lèi)似于if-then的產(chǎn)生式表示法。

那么， 從知識(shí)表示角度來(lái)看決策樹(shù)，決策樹(shù)就是if-then規(guī)則的集合

由上面的例子可知，麻雞銀行通過(guò)決策樹(shù)模型來(lái)決定給哪些人貸款，這樣決定貸款的流程就是固定的，而不由人的主觀(guān)情感來(lái)決定。

那么， 從使用者角度來(lái)看決策樹(shù)，決策樹(shù)就是規(guī)范流程的方法

最后我們?cè)賮?lái)看看決策樹(shù)的本質(zhì)是什么已經(jīng)不重要了。

決策樹(shù)好像是一種思想，而通過(guò)應(yīng)用在分類(lèi)任務(wù)中從而成就了“決策樹(shù)算法”。

下面內(nèi)容還是繼續(xù)講解用于分類(lèi)的“決策樹(shù)算法”。

前面講了決策樹(shù)是一種 特征選擇技術(shù) 。

既然決策樹(shù)就是一種特征選擇的方法，那么經(jīng)典決策樹(shù)算法其實(shí)就是使用了不同的特征選擇方案。

如：

（1）ID3：使用信息增益作為特征選擇

（2）C4.5：使用信息增益率作為特征選擇

（3）CART：使用GINI系數(shù)作為特征選擇

具體選擇的方法網(wǎng)上一大把，在這里我提供幾個(gè)鏈接，不細(xì)講。

但，不僅僅如此。

決策樹(shù)作為嵌入型特征選擇技術(shù)結(jié)合了特征選擇和分類(lèi)算法，根據(jù)特征選擇如何生成分類(lèi)模型也是決策樹(shù)的一部分。

其生成過(guò)程基本如下：

根據(jù)這三個(gè)步驟，可以確定決策樹(shù)由：（1）特征選擇；（2）生成方法；（3）剪枝，組成。

決策樹(shù)中學(xué)習(xí)算法與特征選擇的關(guān)系如下圖所示：

原始特征集合T：就是包含收集到的原始數(shù)據(jù)所有的特征，例如：麻瓜銀行收集到與是否具有償還能力的所有特征，如：是否結(jié)婚、是否擁有100w的房產(chǎn)、是否擁有汽車(chē)、是否有小孩、月收入是否>10k等等。

中間的虛線(xiàn)框就是特征選擇過(guò)程，例如：ID3使用信息增益、C4.5使用信息增益率、CART使用GINI系數(shù)。

其中評(píng)價(jià)指標(biāo)（如：信息增益）就是對(duì)特征的要求，特征需要滿(mǎn)足這種條件（一般是某個(gè)閾值），才能被選擇，而這一選擇過(guò)程嵌入在學(xué)習(xí)算法中，最終被選擇的特征子集也歸到學(xué)習(xí)算法中去。

這就是抽象的決策樹(shù)生成過(guò)程，不論哪種算法都是將這一抽象過(guò)程的具體化。

其具體算法我將留在下一篇文章來(lái)講解。

而決策樹(shù)的剪枝，其實(shí)用得不是很多，因?yàn)楹芏嗲闆r下隨機(jī)森林能解決決策樹(shù)帶來(lái)的過(guò)擬合問(wèn)題，因此在這里也不講了。

決策樹(shù)的優(yōu)化主要也是圍繞決策樹(shù)生成過(guò)程的三個(gè)步驟來(lái)進(jìn)行優(yōu)化的。

樹(shù)型結(jié)構(gòu)，可想而知，算法效率決定于樹(shù)的深度，優(yōu)化這方面主要從特征選擇方向上優(yōu)化。

提高分類(lèi)性能是最重要的優(yōu)化目標(biāo)，其主要也是特征選擇。

面對(duì)過(guò)擬合問(wèn)題，一般使用剪枝來(lái)優(yōu)化，如：李國(guó)和基于決策樹(shù)生成及剪枝的數(shù)據(jù)集優(yōu)化及其應(yīng)用。

同時(shí)，決策樹(shù)有很多不足，如：多值偏向、計(jì)算效率低下、對(duì)數(shù)據(jù)空缺較為敏感等，這方面的優(yōu)化也有很多，大部分也是特征選擇方向，如：陳沛玲使用粗糙集進(jìn)行特征降維。

由此，決策樹(shù)的優(yōu)化方向大多都是特征選擇方向，像ID3、C4.5、CART都是基于特征選擇進(jìn)行優(yōu)化。

參考文獻(xiàn)

統(tǒng)計(jì)學(xué)習(xí)方法-李航

特征選擇方法綜述-李郅琴

決策樹(shù)分類(lèi)算法優(yōu)化研究_陳沛玲

基于決策樹(shù)生成及剪枝的數(shù)據(jù)集優(yōu)化及其應(yīng)用-李國(guó)和

三、比較特征選擇和因子分析算法的異同

因子分析 1輸入數(shù)據(jù)。 2點(diǎn)Analyze 下拉菜單，選Data Reduction 下的Factor 。 3打開(kāi)Factor Analysis后,將數(shù)據(jù)變量逐個(gè)選中進(jìn)入Variables 對(duì)話(huà)框中。 4單擊主對(duì)話(huà)框中的Descriptive按扭，打開(kāi)Factor Analysis: Descriptives子對(duì)話(huà)框，在Statistics欄中選擇Univariate Descriptives項(xiàng)要求輸出個(gè)變量的均值與標(biāo)準(zhǔn)差，在Correlation Matrix 欄內(nèi)選擇Coefficients項(xiàng)，要求計(jì)算相關(guān)系數(shù)矩陣，單擊Continue按鈕返回Factor Analysis主對(duì)話(huà)框。 5單擊主對(duì)話(huà)框中的Extraction 按鈕，打開(kāi)如下圖所示的Factor Analysis: Extraction 子對(duì)話(huà)框。在Method列表中選擇默認(rèn)因子抽取方法——Principal Components，在Analyze 欄中選擇默認(rèn)的Correlation Matrix 項(xiàng)要求從相關(guān)系數(shù)矩陣出發(fā)求解主成分，在Exact 欄中選擇Number of Factors;6，要求顯示所有主成分的得分和所能解釋的方差。單擊Continue按鈕返回Factor Analysis主對(duì)話(huà)框。 6單擊主對(duì)話(huà)框中的OK 按鈕，輸出結(jié)果。

四、特征元素篩選的目的

特征提取的目的是把樣本集從高維特征空間映射到低維特征空間，并使映射后的樣本集仍具有良好的可分性。特征提取算法的好壞會(huì)影響系統(tǒng)的最終識(shí)別效果，同時(shí)經(jīng)過(guò)特征提取后的數(shù)據(jù)集由于維數(shù)的減少，會(huì)明顯減少系統(tǒng)的計(jì)算時(shí)間。然而在很多問(wèn)題中往往不容易提取出合適的特征，需要根據(jù)具體的分類(lèi)問(wèn)題選擇特征選擇算法。

以上就是關(guān)于灰狼算法特征選擇相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢(xún)，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。