基于正则互表示的无监督特征选择方法

2020-08-06 08:28:10汪志远降爱莲奥斯曼穆罕默德
计算机应用 2020年7期
关键词:特征优化方法

汪志远,降爱莲,奥斯曼·穆罕默德

(太原理工大学信息与计算机学院,山西晋中 030600)

(*通信作者电子邮箱ailianjiang@126.com)

0 引言

各种智能电子设备和信息系统的广泛使用产生和收集了大量的高维无标签数据。利用相应的机器学习算法对这些数据进行处理和分析,可以发掘数据的潜在价值。在模式识别与机器学习研究领域中,对于机器学习算法而言,样本数据集是训练模型的重要前提,但是收集到的原始数据通常含有大量的冗余特征,导致其并不适合直接被使用。冗余特征不必要地增加了数据的维数,降低了训练性能[1]。如果不剔除数据中的冗余特征,将会导致机器学习模型的训练时间变长,训练后得到的预测模型泛化能力差,甚至因遭遇维数灾难而使训练无法进行。文献[2]表明,去除冗余特征可以明显地提升训练效率。

特征选择是一种有效的数据降维方法[3],它可以选出数据中的重要特征,剔除不重要的冗余特征,从而得到更加低维的数据。数据维数降低,可以减少机器学习模型的训练时间,提高模型训练效率[4]。根据学习任务类型的不同,特征选择方法分为有监督特征选择方法和无监督特征选择方法两大类[5]。有监督特征选择方法依据特征与标签之间的相关性来选出重要的特征子集,因为重要特征与标签之间的相关性更强。然而,并非所有的数据集都带有类别标签信息,数据无标签使得有监督特征选择方法不再适用,也使得特征选择变得更加困难[6-7]。……

登录APP查看全文

猜你喜欢
特征优化方法
超限高层建筑结构设计与优化思考
房地产导刊(2022年5期)2022-06-01 06:20:14
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
用对方法才能瘦
Coco薇(2016年2期)2016-03-22 02:42:52
四大方法 教你不再“坐以待病”!
Coco薇(2015年1期)2015-08-13 02:47:34
捕鱼
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15