特征选择

特征选择是一种降维技术，它选择在一组数据建模中提供最佳预测能力的特征(预测变量)的子集。

功能选择可用于:

• 防止过拟合:避免使用过多的特征建模，这些特征更容易受到死记硬背的特定训练示例的影响
• 减小模型大小:使用高维数据提高计算性能，或为内存可能有限的嵌入式部署准备模型。
• 提高可解释性:使用更少的特性，这可能有助于识别那些影响模型行为的特性

有几种常用的特性选择方法。

迭代地更改特性集以优化性能或损失

逐步回归依次增加或删除特征，直到预测没有改善。它与线性回归或广义线性回归算法一起使用。同样,sequ基本特征选择建立一个特性集，直到精确度(或自定义性能度量)停止提高。

基于内在特征对特征进行排序

这些方法估计了特征的排名，这反过来又可以用来选择排名靠前的几个特征。最小冗余，最大相关性(MRMR)寻找特征，使特征和响应变量之间的互信息最大化，特征本身之间的互信息最小化。相关方法根据拉普拉斯分数对特征进行排名，或使用统计检验是否单个特征独立于响应来确定特征的重要性。

邻域成分分析(NCA)及其救济

这些方法通过最大化基于成对距离的预测精度来确定特征权重，并惩罚导致错误分类结果的预测器。

在模型的同时了解特性的重要性

一些有监督的机器学习算法在训练过程中估计特征的重要性。在训练完成后，这些估计可以用来对特征进行排名。具有内置特征选择的模型包括线性支持向量机、增强决策树及其集合(随机森林)和广义线性模型。同样,在套索正则化收缩估计器在训练过程中将冗余特征的权重(系数)降为零。

MATLAB^®支持以下特性选择方法:

作为特征选择的一种替代方法，特征转换技术将现有特征转换为新特征(预测变量)，去掉描述性较差的特征。特征转换方法包括:

• 主成分分析(PCA)，用于通过在唯一正交基上的投影来总结较少维度的数据
• 因子分析，用于建立数据相关性的解释性模型
• 非负矩阵分解，当模型项必须表示非负值时使用，例如物理量

有关用MATLAB进行特征选择的更多信息，包括机器学习、回归和转换，请参见统计和机器学习工具箱™．

要点

• 自动功能选择是完整的一部分AutoML通过几个简单步骤交付优化模型的工作流。
• 特征选择是一种提高模型性能(特别是高维数据)、提高可解释性和减小尺寸的先进技术。
• 首先考虑一个具有“内置”特性选择的模型。除此之外，MRMR在分类上非常有效。