改进Boruta算法在特征选择中的应用

• 作者: 唐加山 陈逸杰
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 特征选择 Boruta 机器学习 阴影特征 混合比例
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法与语言
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP312
• 字数: 4558字
• 语种: 中文
• DOI: 10.11907/rjdk.182315

摘要

特征选择在机器学习中运用广泛,Boruta算法是一种常见的特征选择方法,算法思想简单、易于操作,但样本复杂度较高.针对该问题提出改进Boruta算法,在原算法阴影特征样本建造中只对部分样本打乱重排序,降低了阴影特征样本的复杂度.实验结果表明,改进的Boruta算法在混合比例约为0.4～0.6时相比原算法,提取出的特征拟合模型预测性能略有提高.使用平均减少不纯度(mean decrease impurity)和随机Lasso这两种传统方法选择同样数量的特征建立模型进行预测,发现改进的Boruta算法预测性能比上述两种方法更优,改进的Boruta算法在降低样本复杂度的同时提高了预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐加山	南京邮电大学理学院	68	203	8.0	11.0
2	陈逸杰	南京邮电大学理学院	2	5	1.0	2.0