FAST特征選擇算法的改進(jìn)

交互的特征是指那些分開考慮對(duì)目標(biāo)集不相關(guān)或弱相關(guān)，但合在一起考慮卻對(duì)目標(biāo)集高度相關(guān)的特征。特征交互現(xiàn)象廣泛存在，但找出有交互作用的特征卻是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。本文旨在對(duì)基于聚類的FAST特征選擇算法進(jìn)行改進(jìn)，在其基礎(chǔ)上考慮特征的交互作用，首先去掉FAST的移除不相關(guān)特征的部分，接著加入交互權(quán)值變量，使得在移除不相關(guān)和冗余特征的同時(shí)，保留有交互作用的特征。為了對(duì)兩個(gè)算法進(jìn)行對(duì)比分析，我們選取了5個(gè)不同領(lǐng)域的16個(gè)公開數(shù)據(jù)集進(jìn)行實(shí)證分析，并使用4種分類器對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)估，包括C5.0、Bayes Net、Neural Net和Logistic，接著從選擇的特征個(gè)數(shù)、算法運(yùn)行時(shí)間和分類器的準(zhǔn)確率3個(gè)方面對(duì)兩個(gè)算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明，兩者選擇的特征個(gè)數(shù)相差不大，有時(shí)IWFAST甚至可以減少特征個(gè)數(shù)，同時(shí)IWFAST能提高分類器的準(zhǔn)確率，尤其對(duì)于特征數(shù)量較多的情形，以及Game和Life領(lǐng)域。美中不足的是，IWFAST的運(yùn)行時(shí)間較長(zhǎng)，但仍在可接受的范圍內(nèi)。