特征选择方法综述

论文摘要

特征选择作为一个数据预处理过程,在数据挖掘、模式识别和机器学习中有着重要地位。通过特征选择,可以降低问题的复杂度,提高学习算法的预测精度、鲁棒性和可解释性。介绍特征选择方法框架,重点描述生成特征子集、评价准则两个过程;根据特征选择和学习算法的不同结合方式对特征选择算法分类,并分析各种方法的优缺点;讨论现有特征选择算法存在的问题,提出一些研究难点和研究方向。

论文目录

• 1 引言
• 2 特征选择框架
•   2.1 生成特征子集
•     2.1.1 搜索起点
•     2.1.2 搜索策略
•   2.2 评价准则
•     2.2.1 距离度量标准
•     2.2.2 一致性度量标准
•     2.2.3 依赖性度量标准
•     2.2.4 信息度量标准
•     2.2.5 分类正确率或分类错误率度量标准
•     2.2.6 评价准则的比较
•   2.3 停止条件和结果验证
• 3 特征选择分类
•   3.1 过滤式
•     3.1.1 基于特征排序
•     3.1.2 基于搜索策略
•     3.1.3 基于特征排序+搜索策略
•   3.2 封装式
•   3.3 嵌入式
•   3.4 集成式
•   3.5 几类特征选择算法的优缺点
• 4 结束语

文章来源

类型: 期刊论文

作者: 李郅琴,杜建强,聂斌,熊旺平,黄灿奕,李欢

关键词: 特征选择,搜索策略,评价准则,特征选择分类

来源: 计算机工程与应用 2019年24期

年度: 2019

分类: 信息科技

专业: 自动化技术

单位: 江西中医药大学计算机学院

基金: 江西省科技厅重点研发计划（No.20171ACE50021）,国家自然科学基金（No.61562045,No.61762051）

分类号: TP181

页码: 10-19

总页数: 10

文件大小: 1459K

下载量: 2125