无模型变量选择:基于规则的变量优先级方法
发表于: 。本研究针对机器学习中特征选择的困难,提出了一种新的无模型方法——变量优先级(VarPro)。该方法通过计算样本统计量的简单平均值,避免了生成人工数据和评估预测误差的需求。实证研究表明,VarPro在特征选择中表现出色,能够有效过滤噪声变量,并在多种数据场景中优于现有先进技术。
本研究针对机器学习中特征选择的困难,提出了一种新的无模型方法——变量优先级(VarPro)。该方法通过计算样本统计量的简单平均值,避免了生成人工数据和评估预测误差的需求。实证研究表明,VarPro在特征选择中表现出色,能够有效过滤噪声变量,并在多种数据场景中优于现有先进技术。