基于伪F统计量的属性特征降维方法研究

作者：刘文博; 梁盛楠; 余泉; 董小刚^*

来源：东北师大学报(自然科学版), 2020, 52(01): 43-49.

DOI：10.16163/j.cnki.22-1123/n.2020.01.010

• 伪F统计量
• 特征降维
• 监督学习
• 分类预测

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.

• 单位
  长春工业大学; 黔南民族师范学院