包芳 殷柯欣

摘 要：特征选择算法是一种极为重要的数据处理方法，能够有效解决维数灾难问题，也能够实现模型的可理解优化。当前阶段，对于特征选择算法的研究日渐增多，其研究取得了阶段性进展。本文就特征选择算法的研究情况进行分析，希望可以为特征选择算法的研究提供借鉴。

关键词：特征选择算法;研究进展;研究热点

特征选择是非常常见的一种数据降维方法，它要求我们从原始特征集中来挑选出评估标准最佳的特征子集。这种方法是通过评选准则来选取最小的特征子集，来帮助我们把任务更好的进行归类、回归，提高算法的泛化能力，这样也有助于人们对于模型的理解。特征选择算法可以最大限度的降低学习中错误的发生。所以特征选择算法实质上就是对搜索达到最优或者次优子集的优化问题。我们可以通过选择特征的过程，把那些与任务关系不大的特征去除。通常相对简单的数据集其产生的模型会更为精准，在理解上也更容易被人们接受。

一、最优算法研究

尽最大努力来进行搜索工作就是一种最直接的优化方法。毛勇在《特征选择算法研究综述》中表示，通常来讲，特征选择的方法可以被认为是一种搜索寻优的问题。是我们在大小是n的特征集合当中，搜索空间由2n种可能状态构成。即使特征数目比较低，具备较大搜索空间，倘若当n=20，220个为搜索状态，再对特征评估过程开销进行考量，在具体运用过程中，针对存在比较多特征数目条件，一般情况下，不可以运用穷尽式搜索。……