模式识别基础：分类器设计_（10）.特征选择与特征提取.docx

PAGE1

PAGE1

特征选择与特征提取

在模式识别任务中，特征选择与特征提取是两个非常重要的步骤。它们直接影响分类器的性能和模型的复杂度。本节将详细介绍特征选择和特征提取的基本原理、常用方法以及如何在实际应用中进行操作。

特征选择

定义

特征选择是从原始特征集中选择一组最相关的特征的过程，目的是减少特征的数量，提高分类器的性能。通过特征选择，可以去除无关和冗余的特征，从而降低模型的复杂度，提高模型的泛化能力。

常用方法

特征选择方法可以分为以下几类：

滤波法（FilterMethods）

包裹法（WrapperMethods）

嵌入法（EmbeddedMethods）