-
题名基于机器学习的混合式特征选择算法
被引量：7
- 1
-
-
作者
雷海锐
高秀峰
刘辉
-
机构
陆军工程大学石家庄校区装备模拟训练中心
中国人民解放军驻五四一三厂军事代表室
-
出处
《电子测量技术》
2018年第16期42-46,共5页
-
文摘
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。
-
关键词
特征选择
信息增益比
对称不确定性
CFS
决策树
-
Keywords
feature selection
information gain ratio
symmetrical uncertainly
CFS
decision tree
-
分类号
TN91
[电子电信—通信与信息系统]
-
