基于神经网络且可控冗余的组特征（传感器）选择
机器学习
2024-09-26 v2
摘要
本文提出一种基于多层感知机（Multi-layer Perceptron, MLP）网络的新型嵌入式特征选择方法，并将其推广至组特征或传感器选择问题，可控制所选特征或组之间的冗余水平。此外，我们将用于特征选择的组 lasso 惩罚推广为包含一种机制，以选择有价值的组特征同时控制冗余。在适当假设下，借助平滑化的惩罚项，我们建立了所提算法的单调性与收敛性。在多个基准数据集上的实验结果表明，相较于一些最先进的方法，所提方法在特征选择与组特征选择上均展现出良好性能。
引用
@article{arxiv.2310.20524,
title = {Group-Feature (Sensor) Selection With Controlled Redundancy Using Neural Networks},
author = {Aytijhya Saha and Nikhil R. Pal},
journal= {arXiv preprint arXiv:2310.20524},
year = {2024}
}