摘要
支持向量机(support vector machine,SVM)主要解决分类和回归问题,基于支持向量机的特征选择可以有效地去除不相关的冗余特征,在新的更少的数据集上建模,提高支持向量机的效率和泛化性能。从评价标准、搜索方式和监督信息等角度探究特征选择的分类方法,论述基于支持向量机Wrapper、Embedded和Filter-Wrapper等3种特征选择方法,进一步地探讨支持向量机特征选择方法未来的发展趋势。
The support vector machine(SVM) mainly solves the classification and regression problems.Feature selection based on support vector machines can effectively remove irrelevant redundant features,model on new and fewer data sets,and improve the efficiency and generalization performance of support vector machines.The classification method of feature selection is analyzed from the aspects of evaluation standard,search method and supervision information.Based on SVM,three feature selection methods including Wrapper,Embedded and Filter-Wrapper are concluded.Furthermore,the future development trend of feature selection method under SVM is discussed.
作者
吴青
付彦琳
WU Qing;FU Yanlin(School of Automation,Xi'an University of Posts and Telecommunications,Xi'an 710121,China)
出处
《西安邮电大学学报》
2020年第5期16-21,共6页
Journal of Xi’an University of Posts and Telecommunications
基金
国家自然科学基金项目(51875457)
陕西省重点研发计划项目(2018GY-018)
西安市科技计划项目(2020KJRC0109)。
关键词
支持向量机
模式识别
特征选择
support vector machine(SVM)
pattern recognition
feature selection
作者简介
吴青(1975-),女,博士,教授,从事人工智能、模式识别和优化算法研究。E-mail:xiyouwuq@126.com;付彦琳(1997-),女,硕士研究生,研究方向为模式识别。E-mail:happy163net@126.com。
