摘要
特征降维能够有效地提高机器学习的效率,特征子集的搜索过程以及特征评价标准是特征降维的两个核心问题。综述国际上关于特征降维的研究成果,总结并提出了较完备的特征降维模型定义;通过列举解决特征降维上重要问题的各种方案来比较各种算法的特点以及优劣,并讨论了该方向上尚未解决的问题和发展趋势。
Feature dimension reduction is effective in improving machine learning, the point is how to search the subset and selection criteria. This paper defined general models for dimension reduction, compared different approaches, and discussed the unresolved topics and development trends.
出处
《计算机应用研究》
CSCD
北大核心
2008年第9期2601-2606,共6页
Application Research of Computers
关键词
降维
机器学习
特征选择
特征抽取
评估准则
dimension reduction
machine learning
feature selection
feature abstraction
selection criteria