基于机器学习的混合式特征选择算法

作者：雷海锐; 高秀峰; 刘辉

来源：电子测量技术, 2018, 41(16): 42-46.

DOI：10.19651/j.cnki.emt.1801583

• 特征选择
• 信息增益比
• 对称不确定性
• CFS
• 决策树

针对CFS算法中优先选择数量较多的特征属性的问题,引入了信息增益比和对称不确定性的改进CFS算法。同时,为了进一步降低特征维数,提高分类效率,提出一种基于filter-wrapper模型的混合式特征选择方法,先采用改进后的CFS算法过滤无关特征;再基于精简子集,采用封装式选择中的序列后向搜索算法,结合决策树选取最优子集。仿真实验表明,采用该方法选择的特征子集具有更好的分类能力,同时发现该方法在不同的分类模型中泛化能力也有着不同的表现。

• 单位
  中国人民解放军陆军工程大学