Stochastic Sequential Search

新的随机顺序搜索方法解决了高维特征选择问题

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。