基于CEA+Boruta模式的特征选择算法
朱颢东
常志芳
1.郑州轻工业大学 计算机与通信工程学院,郑州4500002.郑州轻工业大学 计算机与通信工程学院,郑州450000
摘要：近年来,特征选择在机器学习领域中应用十分广泛.为提高文本计算效率,改善数据分类性能,提出两步法解决特征选择问题.结合过滤式中CEA算法和封装式中Boruta算法,引入参数p控制Boruta算法中阴影部分比例,提高封装阶段效率,降低整体算法时间复杂度,筛选出较优的候选特征集.在三个数据集上利用随机森林分类器进行实验,结果表明,该算法在平均分类错误率,召回率,准确率和F1值上均优于传统的Boruta和CEA算法,能够有效地减少最终选择的特征子集中的特征数量,提高文本分类效率和预测性能.
关键词：特征选择降维BorutaCEA机器学习
分类号：TP301(计算技术、计算机技术)
资助基金：河南省高等学校重点科研项目(19A520009)
论文发表日期：2020-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 349-354 )
英文信息