特征选择方法研究综述

• 作者: 施启军 潘峰 龙福海 李娜娜 苟辉朋 苏浩辀 谢雨寒
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 机器学习 特征选择 评价策略 搜索策略 监督信息
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 专题与综述
• 页码范围: 1-8
• 页数: 7页
• 分类号: TP301
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.1033

摘要

在大数据时代，特征选择是对数据进行预处理的必要环节.特征选择作为一种数据降维技术，其主要目的是从原始数据中选择出对算法最有益的相关特征，降低数据的维度和学习任务的难度，提升模型的效率.现阶段，有关特征选择算法方面的研究已取得阶段性成效，但也面临着重大挑战，其中维度灾难就是特征选择与分类问题所面临的重大挑战.首先，介绍了特征选择算法的基本架构, 依次描述了子集的生成、子集的评估、终止条件、结果验证四个过程；其次，综述了特征选择领域的研究方法及研究成果，对特征选择方法分别依据评价策略、搜索策略、监督信息进行分类阐述，并对这些传统方法进行比较，指出它们的优势和不足；最后对特征选择进行了总结，并对其未来的研究方向进行了展望。