基于特征聚类集成技术的组特征选择方法

特征选择[1]指从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的的过程,是模式识别和机器学习领域中一项必不可少的技术,在数据预处理中发挥重要作用,它广泛应用于文本分类、生物信息学和信息检索等方面。尤其在海量高维数据不断涌现的今天,许多机器学习算法受不相关和冗余特征的影响,而通过选择合适的特征选择算法,可以有效地去除不相关、冗余特征,加速数据挖掘的过程,提高学习算法的泛化性能和运行效率,得到更加简单和容易理解的学习模型[2-3]。