无监督特征选择中的随机基线的重要性
机器学习
2026-05-25 v1 人工智能
摘要
每年都会提出许多新型无监督特征选择方法，但其经验评估仅限于在所选数据集上计算的监督和无监督评估指标，以及与现有方法的比较。然而，在缺乏 established 评估基线的情况下，难以确定这些方法对现有文献的新增价值，以及其底层方法的有效性如何。我们提出将随机特征选择作为评估无监督特征选择方法的基线。我们经验性地表明，许多最先进的无监督特征选择方法在性能和效率方面均被随机特征选择所超越。因此，我们强调在开发新型无监督特征选择方法的过程中必须严格考虑随机特征选择作为基线，以确保在随机特征选择之上实现一致的改进。
引用
@article{arxiv.2605.22973,
title = {Worse than Random: The Importance of a Baseline for Unsupervised Feature Selection},
author = {Muhammad Rajabinasab and Michael E. Houle and Oussama Chelly and Arthur Zimek},
journal= {arXiv preprint arXiv:2605.22973},
year = {2026}
}
备注
Preprint submitted to Elsevier Pattern Recognition Letters