一种基于LARS的特征选择算法研究
分类是数据挖掘中最重要也是最基础的任务之一，分类所面对的数据中通常具有属性冗余及无关等特点，从而影响分类的可理解性及分类性能。因此，如何去除数据中的无关冗余属性，对分类具有重要意义。本文将线性回归模型LARS应用于特征选择，提出了基于LARS的特征选择方法，该方法保留回归模型中回归系数不为零的属性。实验表明，LARS特征选择方法时空复杂度良好，并且有很好的区分判断能力用以去除冗余无关属性，是一种有效的特征选择方法。
最小角回归算法 分类规则 特征选择 流程设计
刘国田 冯琳 丁祥
合肥工业大学计算机与信息学院 合肥 230009
国内会议
第七届仪表、自动化与先进集成技术大会暨第六届测控技术与仪器仪表学术大会
丹东·南京
中文
129-133
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）