特征选择算法综述.pdfVIP

第 卷 第 期 电子设计工程 年 月 计智伟 胡 珉 尹建新 浙江农林大学 信息工程学院 浙江 临安 上海大学 悉尼工商学院 上海 摘要 自 世纪 年代以来特征选择成为模式识别和机器学习领域的重要研究方向研究成果十分显著但是也 存在许多问题需要进一步研究 本文首先将特征选择视为特征集合空间中的启发式搜索问题对特征选择涉及的四 个要素进行了阐述然后从各个角度对特征选择算法进行了分类概述了其各个分支的发展态势最后探讨了基于多 目标免疫优化的特征选择方法的研究思路 关键词 特征选择 特征子集 搜索 多目标优化 中图分类号 文献标识码 文章编号 特征选择 作为一种常见的降维方法是 多而急剧增加 因此选择好的特征不仅可以减小计算复 模式识别的研究热点之一 它是指从原始特征集中选择使某 杂度提高预测精度而且有助于寻找更精简的算法模型 种评估标准最优的特征子集 其目的是使选出的最优特征子 大规模数据处理问题的不断出现如信息检索遗传基因 集所构建的分类或回归模型达到和特征选择前近似甚至更 分析等 所谓大规模一方面指样本数目的庞大另一方面 好的预测精度这不但提高了模型的泛化能力可理解性和 指描述样本的特征维数高 随着应用领域的不断扩大所 计算效率同时可降低维度灾难的发生频率 遇到的数据类型也将不断变化 因此特征选择算法的设计 在机器学习领域中特征选择被认为是跟学习算法紧密 需要适应新的数据类型 正是由于上述原因特征选择的研 联系的一个问题可表述为给定一个学习算法 一个数据 究成为模式识别和机器学习领域的重要课题它具有重要的 集 来自一个特征 的具有类别标记 的 学术意义和实用价值