计算机应用研究

作者：周传华,柳智才,丁敬安,周家亿,

单位：1.安徽工业大学管理科学与工程学院,安徽马鞍山243002；2.中国科学技术大学计算机科学与技术学院,合肥230026；3.早稻田大学IPS学院,日本东京；

关键词：信息增益率,随机森林,特征选择,filter模式,wrapper模式,

基金：国家自然科学基金资助项目(71371013,71772002)；安徽省留学人员创新项目择优资助计划(2016)；；

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时，传统信息增益在特征选择中存在的选择偏好问题，提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合filter和wrapper模式的优点，首先从信息相关性和分类能力两个方面对特征进行综合度量，然后采用序列前向选择（sequential forward selection，SFS）策略对特征进行选择，并以分类精度作为评价指标对特征子集进行度量，从而获取最优特征子集。实验结果表明，该算法不仅能够达到特征空间降维的效果，而且能够有效提高分类算法的分类性能和查全率。

来源：2019年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第7期