基于分解策略的多标签在线特征选择算法

作者:张永伟*; 朱祁; 吴永城
来源:网络安全与数据治理, 2022, 41(10): 65-77.
DOI:10.19358/j.issn.2097-1788.2022.04.010

摘要

在线学习方法是用于大规模数据集的、高效且可扩展的机器学习算法。然而,在对多标签数据集进行特征选择时,传统的在线多标签学习方法需要访问数据集的所有特征,当数据集具有较高维度时,这种在线学习方式并不能适用于实际情景。针对多标签数据集的特征选择,在现有研究的基础上,使用二类分解策略,提出基于分解策略的多标签在线特征选择算法。该算法利用稀疏正则化和截取方法进行在线特征选择,降低计算复杂度。实验表明,算法的特征选择性能优于其他多标签在线特征选择算法。

  • 单位
    国网电力科学研究院

全文