conformal 递归特征消除
计算机视觉与模式识别
2024-05-31 v1
摘要
与传统统计方法不同，conformal prediction (CP) 允许仅基于数据可交换性即可确定与个别预测相关的有效且准确的置信水平。我们在此引入一种新型特征选择方法，利用 CP 框架。我们的提案称为 conformal 递归特征消除 (CRFE)，识别并递归删除增加数据集非 conformity 的特征。我们还 presented了 CRFE 的自动停止准则以及用于衡量特征子集之间一致性的新指标。通过使用数据集的多个分区，对 CRFE 选择与经典递归特征消除 (RFE) 方法进行比较。结果表明，CRFE 在半数数据集中显著优于 RFE，而在其余数据集中实现相似性能。自动停止准则无需计算任何分类性能，即可获得有效且非冗余的特征子集。
引用
@article{arxiv.2405.19429,
title = {Conformal Recursive Feature Elimination},
author = {Marcos López-De-Castro and Alberto García-Galindo and Rubén Armañanzas},
journal= {arXiv preprint arXiv:2405.19429},
year = {2024}
}