.png){kind=icon}
返回
Conformal Recursive Feature Elimination
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.114450.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究介绍了一种基于合合预测框架的新型特征选择方法。该方法命名为合合递归特征消除（CRFE），通过递归识别并移除在可加分解非合合函数度量下增加数据集非合合性的特征，并在每次消除步骤后类似经典递归特征消除（RFE）重新估计特征相关性。我们还引入了一种几何驱动的递归特征选择器的停止准则。将CRFE的输出与经典RFE算法及其他当前最佳特征选择器在多个基准和真实数据集上的结果进行比较。实验表明，CRFE相对于RFE普遍提高了预测集效率和子集稳定性，同时保持经验覆盖率接近名义水平。最后，我们展示了自动停止准则如何有效终止递归特征选择，选出有效且非冗余的特征子集。
Keyword:
Conformal prediction
Feature selection
Recursive elimination
