%0 Journal Article
%A Berthold K. P. Horn
%A Roy E. Welsch
%A 崔鸿雁
%A 徐帅
%A 张利锋
%T 机器学习中的特征选择方法研究及展望
%D 2018
%R 10.13190/j.jbupt.2017-150
%J 北京邮电大学学报
%P 1-12
%V 41
%N 1
%X 任何领域的大数据研究都离不开用机器学习方法提取特征.为了探求满足海量大数据分析需求的特征选择方法，笔者对利用机器学习进行特征选择的常用方法做了深入分析，归纳总结出特征选择的五大类方法：相关性度量方法、Lasso稀疏选择方法、集成方法、神经网络方法、主成分分析方法.通过对比不同特征选择方法的原理、实现过程以及应用场景，给出了不同算法下进行特征选择时的适用范围、优缺点和关键点，为研究者提供参考.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2017-150