.png){kind=icon}
返回
A novel feature selection method considering feature interaction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2015.02.025.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
交互特征是那些单独看起来与类无关或弱相关的特征，但是当它与其他特征组合时，它可能与类高度相关。发现特征交互是特征选择中的一项具有挑战性的任务。提出了一种考虑特征交互的特征选择算法。首先，在信息论的框架下重新定义了特征相关性，特征冗余和特征交互。然后提出了能够反映特征是否冗余或交互信息的交互权重因子。之后，我们提出了一种基于交互权重的特征选择算法 (IWFS)。为了评估所提出算法的性能，我们将IWFS与其他五种代表性特征选择算法 (包括CFS，INTERACT，FCBF，MRMR和relief-f) 在分类精度和三种不同类型的所选特征数量方面进行了比较。分类器包括C4.5，IB1和PART。在六个合成数据集上的结果表明，IWFS可以有效地识别不相关和冗余的特征，同时保留交互式特征。在八个真实世界数据集上的结果表明，IWFS不仅有效地降低了特征空间的维数，而且为所有三种分类算法提供了最高的平均精度。（C）2015 Elsevier Ltd.版权所有。
Keyword:
Feature selection
Feature interaction
Interaction weight factor
Filter method
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Studies in the flexibility of macrocyclic ligands. Crystal and molecular structure of 2,13-dimethy1-3,6,9,12,18-pentaazabicyclo (12.3.1) octadeca-(18),14,16-triene-dichloroion (III) hexafluorophosphate.png)
Polyhedron
PolyhedronIF0
PREAI
分享收藏Selecting feature subset for high dimensional data via the propositional FOIL rules通过命题箔规则选择高维数据的特征子集PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Electrical Conductivity of Reproductive Tissue for Detection of Estrus in Dairy Cows用于检测奶牛发情的繁殖组织电导率
OAAI
OAAI分享收藏分享收藏
查看更多内容