研究人员开发了一种名为随机顺序搜索（SSS）的新方法，用于处理超高维数据集中的特征选择。该方法克服了传统顺序子集搜索方法在维度增加时计算上不可行的局限性。SSS 使用一种有预算的采样步长算子对，用每步固定数量的候选评估替换了全扫描，使得成本与维度无关。该论文证明，浮动搜索的随机对应体 sSFFS 在高达 10,105 维的数据集上保持了很高的准则值，并且优于现有的排序方法。 AI
影响 这种新方法可以实现更大规模机器学习任务中更有效的特征选择，从而可能提高模型性能和效率。
排序理由 该集群包含一篇详细介绍特征选择新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
