基于属性网络的无监督特征排序
机器学习
2021-11-29 v1
摘要
当代机器学习中从无标签数据学习的需求日益增长。因此，用于无监督特征排序（识别此类数据中最重要特征）的方法正受到关注，其在高通量生物实验或推荐系统用户基群研究中的应用亦然。我们提出 FRANe（Feature Ranking via Attribute Networks，基于属性网络的特征排序），一种能在给定无标签数据集中发现关键特征的无监督算法。FRANe 基于网络重构与网络分析的思想。我们在大量基准数据集上的实证表明，FRANe 优于最先进的竞争对手。此外，我们给出了 FRANe 的时间复杂度分析，进一步证明其可扩展性。最后，FRANe 将用于推导特征重要性的可解释关系结构作为结果输出。
引用
@article{arxiv.2111.13273,
title = {Unsupervised Feature Ranking via Attribute Networks},
author = {Urh Primožič and Blaž Škrlj and Sašo Džeroski and Matej Petković},
journal= {arXiv preprint arXiv:2111.13273},
year = {2021}
}
备注
for online material and python package see https://github.com/FRANe-team/FRANe