摘要：针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进. 然后,基于R语言中的递归特征消除（RFE）特征选择方法和Boruta特征选择方法进行特征选择算法设计. 最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究. 结果表明： Boruta特征选择方法更具优势.

原文链接:http://www.cqvip.com/QK/91050X/201701/671082665.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）