基于CEA+Boruta模式的特征选择算法

• 作者: 常志芳 朱颢东
• 来源期刊: 湖北民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 特征选择 降维 Boruta CEA 机器学习
• 年，卷（期）: 2020,（3）
• 页码范围: 349-354
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.13501/j.cnki.42-1908/n.2020.09.020

摘要

近年来,特征选择在机器学习领域中应用十分广泛.为提高文本计算效率,改善数据分类性能,提出两步法解决特征选择问题.结合过滤式中CEA算法和封装式中Boruta算法,引入参数p控制Boruta算法中阴影部分比例,提高封装阶段效率,降低整体算法时间复杂度,筛选出较优的候选特征集.在三个数据集上利用随机森林分类器进行实验,结果表明,该算法在平均分类错误率,召回率,准确率和F1值上均优于传统的Boruta和CEA算法,能够有效地减少最终选择的特征子集中的特征数量,提高文本分类效率和预测性能.