机器学习中的特征选择方法研究及展望

• 作者: Berthold K.P.Horn Roy E.Welsch 崔鸿雁 张利锋 徐帅
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 机器学习 特征选择 迁移学习 对抗神经网络 人工智能
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 综述
• 页码范围: 1-12
• 页数: 12页
• 分类号: TN929.53
• 语种: 中文
• DOI: 10.13190/j.jbupt.2017-150

摘要

任何领域的大数据研究都离不开用机器学习方法提取特征.为了探求满足海量大数据分析需求的特征选择方法,笔者对利用机器学习进行特征选择的常用方法做了深入分析,归纳总结出特征选择的五大类方法:相关性度量方法、Lasso稀疏选择方法、集成方法、神经网络方法、主成分分析方法.通过对比不同特征选择方法的原理、实现过程以及应用场景,给出了不同算法下进行特征选择时的适用范围、优缺点和关键点,为研究者提供参考.