标签增强特征选择

一种新颖的多标签特征选择算法，通过深度森林标签增强和标签相关性聚类，从标签分布数据中选取判别性特征。

钱文彬 · Xiong, Yinsong · Ding W. · Huang, Jintao · Vong, Chiman

Engineering Applications of Artificial Intelligence 2024

参数信息

对比算法数量

6

基准数据集数量

18

评估指标数量

6

技术优势

标签重要性可区分

通过深度森林将逻辑标签增强为标签分布，蕴含不同标签对样本的重要性差异，使特征选择更符合实际场景。

标签相关性建模好

在标签空间中使用谱聚类将样本分成多个簇，每个簇反映不同的标签相关性，从而在特征选择中利用这种结构。

特征子集更判别

基于标签分布数据构建 l2,1 范数目标函数，能够选出对多标签分类最有判别力的特征子集，提升分类精度。

应用场景

• 多标签分类：为多标签分类任务挑选判别特征，提升分类精度。
• 模式识别：用于模式识别中高维多标签数据的降维与特征选择。
• 数据挖掘：从多标签数据中挖掘关键特征，辅助数据挖掘任务。