HCVR：一种基于相关性投票规则的混合特征选择方法
人工智能
2025-07-04 v1 机器学习
摘要
本文提出了 HCVR (Hybrid approach with Correlation-aware Voting Rules)，一种轻量级基于规则的特征选择方法，通过结合 Parameter-to-Parameter (P2P) 和 Parameter-to-Target (P2T) 相关性来消除冗余特征并保留相关特征。该方法是非迭代和迭代过滤方法的混合体，用于降维。它是一种贪心方法，通过逆向消除工作：每一步消除一个或多个可能的特征。这些规则为特征投票，决定保留或丢弃特征。规则利用特征对之间以及特征与目标之间的相关性阈值。我们提供了将 HCVR 应用于 SPAMBASE 数据集的结果。结果显示，与传统非迭代 (CFS、mRMR 和 MI) 和迭代 (RFE、SFS 和遗传算法) 技术相比，性能表现得到改善。 effectiveness 取决于应用过滤后不同分类器的性能。
引用
@article{arxiv.2507.02073,
title = {HCVR: A Hybrid Approach with Correlation-aware Voting Rules for Feature Selection},
author = {Nikita Bhedasgaonkar and Rushikesh K. Joshi},
journal= {arXiv preprint arXiv:2507.02073},
year = {2025}
}
备注
11 pages, 5 tables, 2 figures