一种在线稀疏流式特征选择算法
机器学习
2022-08-04 v2
摘要
在线流式特征选择（OSFS）以在线方式进行特征选择，在处理高维数据中起着重要作用。在智能医疗平台等许多实际应用中，流式特征常存在缺失数据，这给 OSFS 带来了关键挑战，即如何建立稀疏流式特征与标签之间的不确定关系。遗憾的是，现有 OSFS 算法从未考虑这种不确定关系。为填补此空白，本文提出一种带不确定性的在线稀疏流式特征选择（OS2FSU）算法。OS2FSU 由两部分组成：1）在进行特征选择之前，利用潜在因子分析预估计稀疏流式特征中的缺失数据；2）在进行特征选择时，采用模糊逻辑与邻域粗糙集来缓解估计后的流式特征与标签之间的不确定性。实验中，OS2FSU 在六个真实数据集上与五种最先进的 OSFS 算法进行比较。结果表明，当 OSFS 中遇到缺失数据时，OS2FSU 优于其对比算法。
引用
@article{arxiv.2208.01562,
title = {An Online Sparse Streaming Feature Selection Algorithm},
author = {Feilong Chen and Di Wu and Jie Yang and Yi He},
journal= {arXiv preprint arXiv:2208.01562},
year = {2022}
}