直接验证的封装式特征选择方法

封装式特征选择算法可以准确地选择出有价值的特征，但是其评价过程伴随着极大的时间复杂度。为此，该文针对封装式特征选择算法中时间复杂度最高的交叉验证评价环节，提出了可以替代交叉验证的特征集直接评价方法——LW测量。进一步，将该方法与封装式特征选择算法中常用的序列搜索策略相结合，提出了改进的序列前（后）向搜索特征选择算法SFS-LW（SBS-LW）。通过在2个UCI数据集上与传统的基于交叉验证的封装式特征选择算法进行3组对比实验，结果表明该改进特征选择方法具有与传统方法近似的分类精度，但在时间复杂度上则有数倍的改善。