一种基于深度神经网络的大数据分析预算约束模型构建方法
机器学习
2023-02-24 v1 人工智能
摘要
深度学习方法需要收集许多不同输入特征或变量的数据以进行准确的模型训练与预测。由于输入特征的数据收集可能成本高昂，通过选择特征子集并开发预算约束模型（BCM）来降低成本至关重要。在本文中，我们引入一种利用深度神经网络（DNNs）消除大数据分析中对不重要特征的方法。一旦开发出 DNN 模型，我们识别弱连接与弱神经元，并移除一些输入特征以使模型成本处于给定预算内。实验结果表明我们的方法可行，并支持用户在给定预算内选择合适的 BCM。
引用
@article{arxiv.2302.11707,
title = {A Deep Neural Network Based Approach to Building Budget-Constrained Models for Big Data Analysis},
author = {Rui Ming and Haiping Xu and Shannon E. Gibbs and Donghui Yan and Ming Shao},
journal= {arXiv preprint arXiv:2302.11707},
year = {2023}
}
备注
8 pages