基于各向异性广义回归神经网络的特征选择
机器学习
2020-10-13 v1 人工智能
机器学习
摘要
输入数据集中无关特征的存在往往会降低机器学习模型的可解释性与预测质量。因此，开发识别无关特征的特征选择方法是机器学习中的关键课题。本文展示如何结合各向异性高斯核使用广义回归神经网络来进行特征选择。利用模拟数据进行了若干数值实验，以研究所提方法的鲁棒性及其对样本量的敏感性。最后，在多个真实世界数据集上与四种其他特征选择方法进行了比较。
引用
@article{arxiv.2010.05744,
title = {On Feature Selection Using Anisotropic General Regression Neural Network},
author = {Federico Amato and Fabian Guignard and Philippe Jacquet and Mikhail Kanevski},
journal= {arXiv preprint arXiv:2010.05744},
year = {2020}
}