基于依赖性估计的有监督特征选择
机器学习
2007-05-23 v1
摘要
我们引入了一个特征过滤框架，该框架采用Hilbert-Schmidt独立性准则（HSIC）作为特征与标签之间依赖性的度量。其核心思想是，好的特征应最大化这种依赖性。各种有监督学习问题（包括分类和回归）的特征选择被统一在该框架下，其解可以通过后向消除算法来近似。我们在人工和真实数据集上证明了我们方法的有效性。
引用
@article{arxiv.0704.2668,
title = {Supervised Feature Selection via Dependence Estimation},
author = {Le Song and Alex Smola and Arthur Gretton and Karsten Borgwardt and Justin Bedo},
journal= {arXiv preprint arXiv:0704.2668},
year = {2007}
}
评论
9 pages