文献类型：期刊文章

作　　者：施启军[1] 潘峰[1] 龙福海[1] 李娜娜[1] 苟辉朋[1] 苏浩辀[1] 谢雨寒[1]

SHI Qijun;PAN Feng;LONG Fuhai;LI Nana;GOU Huipeng;SU Haozhou;XIE Yuhan(School of Data Science and Information Engineering,Guizhou Minzu University,Guiyang 550025,China)

机构地区：[1]贵州民族大学数据科学与信息工程学院,贵州贵阳550025

出　　处：《微电子学与计算机》

年　　份：2022

卷　　号：39

期　　号：3

起止页码：1-8

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：在大数据时代,特征选择是对数据进行预处理的必要环节.特征选择作为一种数据降维技术,其主要目的是从原始数据中选择出对算法最有益的相关特征,降低数据的维度和学习任务的难度,提升模型的效率.现阶段,有关特征选择算法方面的研究已取得阶段性成效,但也面临着重大挑战,其中维度灾难就是特征选择与分类问题所面临的重大挑战.首先,介绍了特征选择算法的基本架构,依次描述了子集的生成、子集的评估、终止条件、结果验证四个过程;其次,综述了特征选择领域的研究方法及研究成果,对特征选择方法分别依据评价策略、搜索策略、监督信息进行分类阐述,并对这些传统方法进行比较,指出它们的优势和不足;最后对特征选择进行了总结,并对其未来的研究方向进行了展望.

关 键 词：机器学习  特征选择  评价策略  搜索策略 监督信息  

分 类 号：TP301]