基于局部依赖分析的特征子集选择研究.pdfVIP

ISSN 1 计算机研究与发展 1000—1239|CN1-1777／TP of Researchand Journal Development Computer 基于局部依赖分析的特征子集选择 王双成 刘念祖 王小玲 (上海立信会计学院信息科学系 上海201620) (wangsc@lixin．edu．cn) FeatureSubsetSelectionBasedonLocal DependencyAnalysis Nianzu，and WangShuangcheng，LiuWangXiaoling Lixin (Departmentof Science，Shanghai ofCommerce，Shanghai201620) Information University iSa Abstract network tOOloffeaturesubsetselection．Thefeaturesubsetselectionbased Bayesian powerful on networkistobuildaMarkov ofclassvariable．Inthis selectionis blanket subset Bayesian paper，feature donebasedonthelocal methodafter basic between dependencyanalysis analyzingdependencyrelationship structurebetween theMarkovblanket．Under variables，basic nodes，dependencyseparationcriterion，and some that subsetistheMarkov of is learnedfeature blanketclassvariable．This assumptions，itproved methodisbetterin and thanthe featuresubsetselectionbasedon flexibility，efficiencyreliability existing network． Bayesian featuresubset words network；Markovblanket；classifier Key selection；Bayesian Markov毯．文中在对变量之间基本依赖关系、结点之间基本结构、依赖分离标准和Markov毯进行分析 的基础上，基于局部依赖分析方法进行类变量的Markov毯学习．在一些假设下可证明学习得到的特征 效和可靠． 关键词特征子集选择；Bayesian网络；Markov毯；分类器 中图法分类号TPl8 特征(属性)子集选择是识别和去除不相关和冗 余特征的过程．随着不相关和冗余特征的增加，分 于第1种方式，通常采用全局或局部(根据打分函数 类偏差(bias)、方差(variance)和噪声对分类器的影 响可能随之增大，且易于导致对例子的过度拟合，从 的可分解性)打分一搜索方法建立Bayesian网络结 而降低归