Nuovo algoritmo proposto per la selezione efficiente delle variabili

Nuovo algoritmo per selezione variabili efficiente

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

L'algoritmo combina sei vettori di peso e utilizza una strategia di ricerca della soglia per cercare il vettore di peso ottimale per estrarre informazioni utili dallo spettro. ¶ Credito: Istituti di fisica di Hefei/ Accademia cinese delle scienze

Ricercatori presso l’Accademia cinese delle scienze, Istituti di fisica di Hefei, hanno sviluppato un algoritmo di selezione variabile per applicazioni di chemiometria.

L’algoritmo di selezione ottimale del vettore di peso multiplo e di riduzione morbida con bootstrap (MWO-BOSS) mira a rendere più efficiente il processo di identificazione di una combinazione di lunghezze d’onda ottimale durante lo sviluppo di modelli di previsione spettrale.

MWO-BOSS seleziona il vettore di peso ottimale tra sei vettori di peso (rapporto di selettività, importanza variabile nella proiezione, vettore di frequenza, reciproco del vettore di varianza residua, coefficiente di regressione e correlazione multivariata di significato) per estrarre informazioni preziose dallo spettro mediante l’utilizzo di una strategia di ricerca della soglia.

Nelle prove su set di dati disponibili pubblicamente, l’algoritmo è riuscito ad effettuare una selezione efficiente delle variabili e a migliorare la capacità predittiva del modello. Dall’Accademia cinese delle scienze Visualizza l’articolo completo

Abstracts Copyright © 2023 SmithBucklin , Washington, D.C., USA