基于自适应分类的在线稀疏流式特征选择
机器学习
2023-03-01 v1 人工智能
摘要
传统特征选择需要在学习前已知特征空间，在线流式特征选择(OSFS)被提出用于动态处理流式特征。现有方法将数据完整情况下的特征划分为相关或无关，删除无关特征可能导致信息损失。受此启发，我们致力于完成流式特征矩阵并划分特征相关性，提出基于自适应分类的在线稀疏流式特征选择(OS2FS-AC)。本研究使用隐因子分析(LFA)对缺失数据进行预估计。此外，我们采用自适应方法获取阈值，将特征划分为强相关、弱相关和无关特征，并进一步划分信息量更多的弱相关特征。在十个真实数据集上的实验结果表明，OS2FS-AC优于最先进的算法。
引用
@article{arxiv.2302.14056,
title = {Online Sparse Streaming Feature Selection Using Adapted Classification},
author = {RuiYang Xu and Di Wu and Xin Luo},
journal= {arXiv preprint arXiv:2302.14056},
year = {2023}
}