基于随机森林的自适应特征选择算法

• 作者: 刘凯 蒋权 赵天傲 郑山红
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 随机森林 自适应 特征选择 GroupLASSO方法
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 101-104,111
• 页数: 5页
• 分类号: TP301.6
• 字数: 3615字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.09.021

摘要

为了解决传统的随机森林算法在随机特征选择时,导致少数比较重要的特征变量被过滤掉的问题,以及没有考虑特征变量相关性对预测应变量准确性带来的影响,提出了一种基于随机森林的自适应特征选择算法SARFFS.该算法首先利用卡方检验样本间关联程度后自助采样,并设计出一种特征对类代表强弱程度的计算方法;然后引入自适应稀疏约束机制Group LASSO优化特征的选择;最后在Spark分布式计算平台利用UCI数据集进行实验,结果表明,相比传统的RF算法,SARFFS算法在特征子集选择上具有更好的性能,在F1上提升将近9％.从最终排名靠前的重要特征分析,该算法能够考虑特征间相关性,对预测结果确实有影响,并有效地提高了随机属性权值的可靠性和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑山红	长春工业大学计算机科学与工程学院	60	249	8.0	12.0
2	刘凯	长春工业大学计算机科学与工程学院	6	25	2.0	5.0
3	蒋权	长春工业大学计算机科学与工程学院	4	9	2.0	3.0
4	赵天傲	长春工业大学计算机科学与工程学院	2	22	2.0	2.0