基于最大信息系数与冗余分摊的特征选择方法

• 作者: 杨晶晶 袁哲明 陈渊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 特征选择 最大信息系数 冗余分摊 分类 支持向量机 回归
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP181
• 字数: 3841字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055388

摘要

特征选择是机器学习的关键环节,通常采用最小冗余最大相关法进行特征选择,但该方法存在相关性测度与冗余性测度不可比、特征引入无法自动终止等问题.为此,提出一种基于最大信息系数(MIC)与冗余分摊策略的特征选择方法(MIC-share).以MIC度量相关性测度与冗余性测度,采用冗余分摊策略获取新的特征得分,自动终止特征引入过程,减少最优子集确定所需时间.仿真结果表明,与PLSR、MIFS、KNN-FABC等特征选择方法相比,MIC-share方法得到的回归数据均方根误差更小,分类数据错误率更低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁哲明	湖南农业大学湖南省农业大数据分析与决策工程技术研究中心	71	724	15.0	24.0
2	陈渊	湖南农业大学湖南省农业大数据分析与决策工程技术研究中心	12	36	3.0	5.0
3	杨晶晶	湖南农业大学湖南省农业大数据分析与决策工程技术研究中心	4	14	1.0	3.0