基于XGBoost的特征选择算法

• 作者: 刘兆赓 李占山
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 特征选择 极端梯度提升 序列浮动搜索策略
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 101-108
• 页数: 8页
• 分类号: TP18
• 字数: 6949字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2019154

摘要

分类问题中的特征选择一直是一个重要而又困难的问题.这类问题中要求特征选择算法不仅能够帮助分类器提高分类准确率,同时还要尽可能地减少冗余特征.因此,为了在分类问题中更好地进行特征选择,提出了一种新型的包裹式特征选择算法XGBSFS.该算法借鉴极端梯度提升(XGBoost)算法中构建树的思想过程,通过从3个重要性度量的角度来衡量特征的重要性,避免单一重要性度量的局限性;然后通过改进的序列浮动前向搜索策略(ISFFS)搜索特征子集,使最终得到的特征子集有较高的质量.在8个UCI数据集的对比实验中表明,所提算法具有很好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李占山	吉林大学计算机科学与技术学院	43	234	7.0	13.0
10	刘兆赓	吉林大学软件学院	2	5	1.0	2.0