基于伪F统计量的属性特征降维方法研究

• 作者: 余泉 刘文博 梁盛楠 董小刚
• 来源期刊: 东北师大学报（自然科学版）
• 学科: 数学
• 关键词: 伪F统计量 特征降维 监督学习 分类预测
• 年，卷（期）: 2020,（1）
• 页码范围: 43-49
• 页数: 7页
• 分类号: O212
• 字数: 5452字
• 语种: 中文
• DOI: 10.16163/j.cnki.22-1123/n.2020.01.010

摘要

提出了一种基于伪F统计量的特征选择算法(FSPF)来对属性特征进行降维,评价输入特征的重要性程度.通过特征重要性累积比率,获取了最具有区分能力的特征组合.利用加权K最近邻、随机森林、人工神经网络、决策树、梯度提升与支持向量机,对真实数据集进行了分类.实验结果表明:经过FSPF特征选择算法进行变量重要性筛选后,可以较为有效地提高目前主流机器学习方法的分类预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董小刚	长春工业大学数学与统计学院	87	533	10.0	20.0