특징 선택의 주요 방법

주요 특징 선택 방법은 다음과 같이 소개됩니다.

주요 특징 선택 방법:

투영 방법. 최적의 투영 벡터 w를 찾고, 절대값이 더 큰 성분에 해당하는 특징이 선택됩니다.

래퍼. 기능 하위 집합의 분류 오류율을 최소화합니다.

필터. 특정 기준에 따라 개별 기능을 정렬한 다음 순위가 더 높고 보완성이 더 강한 기능 하위 집합을 선택합니다.

하이브리드. 먼저 필터를 사용하여 후보 기능을 필터링한 다음 다른 방법을 사용하여 필터링합니다.

기능 선택은 FSS(기능 하위 집합 선택) 또는 속성 선택이라고도 합니다.

시스템의 특정 지표를 최적화하기 위해 기존 M개의 특징 중에서 N개의 특징을 선택하는 것을 말하며, 원래의 특징 중에서 가장 효과적인 몇 가지 특징을 선택하여 데이터의 차원을 줄이는 과정입니다. set.은 학습 알고리즘의 성능을 향상시키는 중요한 수단이자 패턴 인식의 핵심 데이터 전처리 단계이기도 합니다. 학습 알고리즘의 경우 좋은 학습 샘플이 모델 학습의 핵심입니다. ?

또한 특징 선택과 특징 추출도 구분되어야 합니다. 특징 추출이란 기존의 특징을 이용하여 보다 높은 추상화 수준의 특징 세트를 계산하는 것을 의미하며, 특정 특징을 계산하기 위한 알고리즘을 의미하기도 합니다.

특성 선택 과정은 일반적으로 생성 과정, 평가 기능, 중지 기준, 검증 과정의 네 부분으로 구성됩니다.