用于过滤-包裹式特征选择的嵌入式混沌鲸鱼生存算法
机器学习
2020-09-01 v1 神经与进化计算
摘要
机器学习模型所提供的分类准确率在很大程度上取决于学习过程中所使用的特征集。特征选择（FS）是一种重要且具有挑战性的预处理技术，有助于从数据集中识别仅相关特征，从而降低特征维度并同时提高分类准确率。鲸鱼优化算法（WOA）的二进制版本是一种流行的 FS 技术，其灵感来自座头鲸的觅食行为。本文提出一种称为嵌入式混沌鲸鱼生存算法（ECWSA）的 WOA 嵌入式版本，其利用包裹过程实现高分类准确率，并利用过滤式方法以低计算成本进一步精炼所选子集。ECWSA 中引入混沌以指导鲸鱼在搜寻猎物时移动类型的选择。系统中还引入了依赖于适应度的死亡机制，其灵感来自鲸鱼若无法捕获猎物便会死亡这一现实情景。所提方法在 18 个知名 UCI 数据集上评估，并与前述方法及其他流行 FS 方法比较。
引用
@article{arxiv.2005.04593,
title = {Embedded Chaotic Whale Survival Algorithm for Filter-Wrapper Feature Selection},
author = {Ritam Guha and Manosij Ghosh and Shyok Mutsuddi and Ram Sarkar and Seyedali Mirjalili},
journal= {arXiv preprint arXiv:2005.04593},
year = {2020}
}
备注
28 pages, 6 figures, submitted a minor revision to Soft Computing, Springer