基于置信度預測的半監(jiān)督特征選擇算法.pdf

1、傳統(tǒng)的特征選擇算法直接在有類別標簽數據集上進行特征選擇，以選取對這些已知類別標簽樣本的類別具有最大區(qū)分能力的特征子集。但是在一些實際應用中，如在醫(yī)學診斷、欺詐檢測等領域，樣本的類別標簽通常不能很容易地獲取。在這種情況下，訓練數據可能存在有類別標簽樣本不足或者樣本分布存在偏差等問題。此時，根據訓練集上的數據所構造出的模型可能無法正確地反映真實數據分布。但另一方面，無類別標簽數據通常都能大量地獲取，并且它們一般都是比較接近真實數據分布的。半

2、監(jiān)督學習方法就是為解決這類問題而產生的機器學習方法。半監(jiān)督特征選擇只需要很少量的有類別標簽樣本，同時利用大量的無類別標簽樣本來進行特征選擇。半監(jiān)督特征選擇的任務是當給定一個學習算法時，同時利用有類別標簽數據和無類別標簽數據找出一個能使學習算法達到精度最高的最優(yōu)特征子集。 本文提出一種迭代式的基于置信度預測的半監(jiān)督特征選擇算法框架。在算法的每一次迭代中，原始的有類別標簽數據和通過一定手段精心選取的無類別標簽數據及其預測標簽將被用于

3、特征選擇過程。對于無類別標簽數據的選取我們采用了置信度的方法，這將保證所選取的數據將有較高的概率保證它的預測標簽是正確的。因為我們引入了無類別標簽數據，所合成的數據集更能反映真實的數據分布，因此在該合成的數據集上能選取到更好的特征子集。 本文在通過形式化分析、復雜性分析、合成樣例分析和實驗分析等方法對基于置信度預測的半監(jiān)督特征選擇算法進行了深入的研究。從理論分析和實驗分析的結果來看，基于置信度預測的半監(jiān)督特征選擇算法(SemiF