说明:这项工作提出了一种基于邻近关系学习的特征选择方法。 每个功能都被视为二进制分类器,它针对X,A和B中的任何三个对象预测X是否接近A或B。分类器的性能是直接的功能质量的度量。 基于特征的二进制分类器的任何线性组合自然都对应于特征选择。 因此, 特征选择问题转化为集成学习问题,将许多弱分类器组合成一个优化的强大的分类器。 我们对所提出方法的泛化误差进行了理论分析,验证了有效性我们提出的方法。 对合成数据,四个UCI数据集和十二个微阵列数据集进行了各种实验, 并证明我们的方法应用于特征选择的成功。 我
<weixin_38678773> 上传 | 大小:52kb