FSEVAL：特征选择评估工具箱与仪表盘
机器学习
2026-05-28 v2
摘要
特征选择是机器学习和数据挖掘中的基本任务，涉及区分冗余特征与信息丰富特征。这是一种通过删除冗余特征来解决维度灾难的尝试，而与降维方法不同的是，它保留可解释性。特征选择在监督和无监督环境中进行，采用不同的评估指标来确定哪种特征选择算法最佳。本文提出 FSEVAL，一个伴随可视化仪表盘的特征选择评估工具箱，旨在使评估特征选择算法变得轻松且全面。FSEVAL 旨在提供一个标准化、统一的评估和可视化工具箱，帮助从事该领域研究的研究人员轻松进行特征选择算法的广泛且全面的评估。
引用
@article{arxiv.2604.18227,
title = {FSEVAL: Feature Selection Evaluation Toolbox and Dashboard},
author = {Muhammad Rajabinasab and Arthur Zimek},
journal= {arXiv preprint arXiv:2604.18227},
year = {2026}
}