機(jī)器學(xué)習(xí)特征選擇常用算法_第1頁(yè)
機(jī)器學(xué)習(xí)特征選擇常用算法_第2頁(yè)
機(jī)器學(xué)習(xí)特征選擇常用算法_第3頁(yè)
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

機(jī)器學(xué)習(xí)特征選擇常用算法1.綜述(1)什么是特征選擇特征選擇(FeatureSelection)也稱(chēng)特征子集選擇(FeatureSubsetSelection,FSS),或?qū)傩赃x擇(AttributeSelection),是指從全部特征中選取一個(gè)特征子集,使構(gòu)造出來(lái)的模型更好。(2)為什么要做特征選擇在機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用中,特征數(shù)量往往較多,其中可能存在不相關(guān)的特征,特征之間也可能存在相互依賴(lài),容易導(dǎo)致如下的后果:特征個(gè)數(shù)越多,分析特征、訓(xùn)練模型所需的時(shí)間就越長(zhǎng)。特征個(gè)數(shù)越多,容易引起“維度災(zāi)難”,模型也會(huì)越復(fù)雜,其推廣能力會(huì)下降。特征選擇能剔除不相關(guān)(irrelevant)或亢余(redundant)的特征,從而達(dá)到減少特征個(gè)數(shù),提高模型精確度,減少運(yùn)行時(shí)間的目的。另一方面,選取出真正相關(guān)的特征簡(jiǎn)化了模型,使研究人員易于理解數(shù)據(jù)產(chǎn)生的過(guò)程。2.特征選擇過(guò)程2.1特征選擇的一般過(guò)程

特征選擇的一般過(guò)程可用圖1表示。首先從特征全集中產(chǎn)生出一個(gè)特征子集,然后用評(píng)價(jià)函數(shù)對(duì)該特征子集進(jìn)行評(píng)價(jià),評(píng)價(jià)的結(jié)果與停止準(zhǔn)則進(jìn)行比較,若評(píng)價(jià)結(jié)果比停止準(zhǔn)則好就停止,否則就繼續(xù)產(chǎn)生下一組特征子集,繼續(xù)進(jìn)行特征選擇。選出來(lái)的特征子集一般還要驗(yàn)證其有效性。綜上所述,特征選擇過(guò)程一般包括產(chǎn)生過(guò)程,評(píng)價(jià)函數(shù),停止準(zhǔn)則,驗(yàn)證過(guò)程,這4個(gè)部分。(1)產(chǎn)生過(guò)程(GenerationProcedure)

產(chǎn)生過(guò)程是搜索特征子集的過(guò)程,負(fù)責(zé)為評(píng)價(jià)函數(shù)提供特征子集。搜索特征子集的過(guò)程有多種,將在2.2小節(jié)展開(kāi)介紹。(2)評(píng)價(jià)函數(shù)(EvaluationFunction)

評(píng)價(jià)函數(shù)是評(píng)價(jià)一個(gè)特征子集好壞程度的一個(gè)準(zhǔn)則。評(píng)價(jià)函數(shù)將在2.3小節(jié)展開(kāi)介紹。(3)停止準(zhǔn)則(StoppingCriterion)

停止準(zhǔn)則是與評(píng)價(jià)函數(shù)相關(guān)的,一般是一個(gè)閾值,當(dāng)評(píng)價(jià)函數(shù)值達(dá)到這個(gè)閾值后就可停止搜索。(4)驗(yàn)證過(guò)程(ValidationProcedure)

在驗(yàn)證數(shù)據(jù)集上驗(yàn)證選出來(lái)的特征子集的有效性。

圖1.特征選擇的過(guò)程(M.DashandH.Liu1997)2.2產(chǎn)生過(guò)程

產(chǎn)生過(guò)程是搜索特征子空間的過(guò)程。搜索的算法分為完全搜索(Complete),啟發(fā)式搜索(Heuristic),隨機(jī)搜索(Random)3大類(lèi),如圖2所示。

圖2.產(chǎn)生過(guò)程算法分類(lèi)(M.DashandH.Liu1997)下面對(duì)常見(jiàn)的搜索算法進(jìn)行簡(jiǎn)單介紹。2.2.1完全搜索

完全搜索分為窮舉搜索(Exhaustive)與非窮舉搜索(Non-Exhaustive)兩類(lèi)。(1)廣度優(yōu)先搜索(BreadthFirstSearch)

算法描述:廣度優(yōu)先遍歷特征子空間。

算法評(píng)價(jià):枚舉了所有的特征組合,屬于窮舉搜索,時(shí)間復(fù)雜度是O(2n),實(shí)用性不高。(2)分支限界搜索(BranchandBound)

算法描述:在窮舉搜索的基礎(chǔ)上加入分支限界。例如:若斷定某些分支不可能搜索出比當(dāng)前找到的最優(yōu)解更優(yōu)的解,則可以剪掉這些分支。(3)定向搜索(BeamSearch)

算法描述:首先選擇N個(gè)得分最高的特征作為特征子集,將其加入一個(gè)限制最大長(zhǎng)度的優(yōu)先隊(duì)列,每次從隊(duì)列中取出得分最高的子集,然后窮舉向該子集加入1個(gè)特征后產(chǎn)生的所有特征集,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論