计算机工程

作者：袁哲明, 杨晶晶, 陈渊

单位：湖南农业大学 湖南省农业大数据分析与决策工程技术研究中心, 长沙 410128

关键词：特征选择,最大信息系数,冗余分摊,分类,支持向量机,回归

基金：国家自然科学基金（61701177）；湖南省自然科学基金（2018JJ3225）；湖南省作物种质创新与资源利用国家重点实验室培育基地开放课题（18KFXM08）。

特征选择是机器学习的关键环节，通常采用最小冗余最大相关法进行特征选择，但该方法存在相关性测度与冗余性测度不可比、特征引入无法自动终止等问题。为此，提出一种基于最大信息系数（MIC）与冗余分摊策略的特征选择方法（MIC-share）。以MIC度量相关性测度与冗余性测度，采用冗余分摊策略获取新的特征得分，自动终止特征引入过程，减少最优子集确定所需时间。仿真结果表明，与PLSR、MIFS、KNN-FABC等特征选择方法相比，MIC-share方法得到的回归数据均方根误差更小，分类数据错误率更低。

来源：2020年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第8期