2026《关于特征选择方法研究的国内外文献综述》3200字.docxVIP

关于特征选择方法研究的国内外文献综述

根据样本量的不同，高维数据可分为高维小样本数据和高维大样本数据两类。一般而言，只要是样本量远小于数据维度（差别在一个量级及以上）的数据集均可以称为高维小样本数据，反之则为高维大样本数据。高维数据在我们生活中是广泛存在的，在生物信息学、实证经济研究、电商推荐、库存管理与采购预测等领域尤为常见。此外，由于数据维度过高，高维数据在特征空间的分布往往呈现稀疏的特点，这使得直接对其进行机器学习训练的效果并不理想。

由于高维数据中包含不少的冗余信息，所以降维这一消除冗余信息的重要思路成为处理高维数据的必要路径。降维一般有特征提取和特征选择有两种形式。特征提取法一般是通过一定的函数将数据从高维空间映射至低维空间，从而得到一系列归纳性指标，代表性方法有因子分析、主成分分析等。不过，特征提取方法会将冗余信息也纳入归纳范围，因此得到的模型比较抽象，可解释性差。特征选择法则是在全体特征集合中选择适用于机器学习训练模型的最优特征子集，该方法尽可能地保留了原有数据分布的性质，且得到的模型具象，可解释性好。因此，特征选择是高维数据分析的重点研究方向REF_Re\r[2]。

当前，特征选择有三类基本方法：过滤法、封装法和嵌入法REF_Re\r[3]。本文重点研究基于相关性度量的过滤式特征选择方法。

过滤法的核心是选