特征選擇方法初識：

1、為什么要做特征選擇
在有限的樣本數(shù)目下，用大量的特征來設(shè)計分類器計算開銷太大而且分類性能差。

2、特征選擇的確切含義
將高維空間的樣本通過映射或者是變換的方式轉(zhuǎn)換到低維空間，達到降維的目的，然后通過特征選取刪選掉冗余和不相關(guān)的特征來進一步降維。

3、特征選取的原則
獲取盡可能小的特征子集，不顯著降低分類精度、不影響類分布以及特征子集應具有穩(wěn)定適應性強等特點

主要有三種方法：

?

1、Filter方法

其主要思想是：對每一維的特征“打分”，即給每一維的特征賦予權(quán)重，這樣的權(quán)重就代表著該維特征的重要性，然后依據(jù)權(quán)重排序。

主要的方法有：

• Chi-squared test(卡方檢驗)

• information gain(信息增益)

• correlation coefficient scores(相關(guān)系數(shù))

?

2、Wrapper方法

其主要思想是：將子集的選擇看作是一個搜索尋優(yōu)問題，生成不同的組合，對組合進行評價，再與其他的組合進行比較。這樣就將子集的選擇看作是一個是一個優(yōu)化問題，這里有很多的優(yōu)化算法可以解決，尤其是一些啟發(fā)式的優(yōu)化算法，如GA，PSO，DE，ABC等。

主要方法有：(遞歸特征消除算法)

3、Embedded方法

其主要思想是：在模型既定的情況下學習出對提高模型準確性最好的屬性。這句話并不是很好理解，其實是講在確定模型的過程中，挑選出那些對模型的訓練有重要意義的屬性。

簡單易學的機器學習算法——嶺回歸(Ridge Regression)”，嶺回歸就是在基本線性回歸的過程中加入了正則項。

總結(jié)以及注意點

這篇文章中最后提到了一點就是用特征選擇的一點Trap。個人的理解是這樣的，特征選擇不同于特征提取，特征和模型是分不開，選擇不同的特征訓練出的模型是不同的。在機器學習=模型+策略+算法的框架下，特征選擇就是模型選擇的一部分，是分不開的。這樣文章最后提到的特征選擇和交叉驗證就好理解了，是先進行分組還是先進行特征選擇。

答案是當然是先進行分組，因為交叉驗證的目的是做模型選擇，既然特征選擇是模型選擇的一部分，那么理所應當是先進行分組。如果先進行特征選擇，即在整個數(shù)據(jù)集中挑選擇機，這樣挑選的子集就具有隨機性。

我們可以拿正則化來舉例，正則化是對權(quán)重約束，這樣的約束參數(shù)是在模型訓練的過程中確定的，而不是事先定好然后再進行交叉驗證的。

特征選擇方法具體分細節(jié)總結(jié)：

1 去掉取值變化小的特征 Removing features with low variance
該方法一般用在特征選擇前作為一個預處理的工作，即先去掉取值變化小的特征，然后再使用其他的特征選擇方法選擇特征。

2 單變量特征選擇 Univariate feature selection
單變量特征選擇能夠?qū)γ恳粋€特征進行測試，衡量該特征和響應變量之間的關(guān)系，根據(jù)得分扔掉不好的特征。對于回歸和分類問題可以采用卡方檢驗等方式對特征進行測試。

2.1 Pearson相關(guān)系數(shù) Pearson Correlation
皮爾森相關(guān)系數(shù)是一種最簡單的，能幫助理解特征和響應變量之間關(guān)系的方法，該方法衡量的是變量之間的線性相關(guān)性，結(jié)果的取值區(qū)間為[-1，1]，-1表示完全的負相關(guān)(這個變量下降，那個就會上升)，+1表示完全的正相關(guān)，0表示沒有線性相關(guān)。

2.2 互信息和最大信息系數(shù) Mutual information and maximal information coefficient (MIC)
以上就是經(jīng)典的互信息公式了。想把互信息直接用于特征選擇其實不是太方便：1、它不屬于度量方式，也沒有辦法歸一化，在不同數(shù)據(jù)及上的結(jié)果無法做比較；2、對于連續(xù)變量的計算不是很方便（X和Y都是集合，x，y都是離散的取值），通常變量需要先離散化，而互信息的結(jié)果對離散化的方式很敏感。

2.3 距離相關(guān)系數(shù) (Distance correlation)
距離相關(guān)系數(shù)是為了克服Pearson相關(guān)系數(shù)的弱點而生的。Pearson相關(guān)系數(shù)是0，我們也不能斷定這兩個變量是獨立的（有可能是非線性相關(guān)）；但如果距離相關(guān)系數(shù)是0，那么我們就可以說這兩個變量是獨立的。

2.4 基于學習模型的特征排序 (Model based ranking)
這種方法的思路是直接使用你要用的機器學習算法，針對每個單獨的特征和響應變量建立預測模型。其實Pearson相關(guān)系數(shù)等價于線性回歸里的標準化回歸系數(shù)。假如某個特征和響應變量之間的關(guān)系是非線性的，可以用基于樹的方法（決策樹、隨機森林）、或者擴展的線性模型等?；跇涞姆椒ū容^易于使用，因為他們對非線性關(guān)系的建模比較好，并且不需要太多的調(diào)試。但要注意過擬合問題，因此樹的深度最好不要太大，再就是運用交叉驗證。

3 線性模型和正則化
單變量特征選擇方法獨立的衡量每個特征與響應變量之間的關(guān)系，另一種主流的特征選擇方法是基于機器學習模型的方法。有些機器學習方法本身就具有對特征進行打分的機制，或者很容易將其運用到特征選擇任務中，例如回歸模型，SVM，決策樹，隨機森林等等。

3.1 正則化模型
正則化就是把額外的約束或者懲罰項加到已有模型（損失函數(shù)）上，以防止過擬合并提高泛化能力。損失函數(shù)由原來的E(X,Y)變?yōu)镋(X,Y)+alpha||w||，w是模型系數(shù)組成的向量（有些地方也叫參數(shù)parameter，coefficients），||·||一般是L1或者L2范數(shù)，alpha是一個可調(diào)的參數(shù)，控制著正則化的強度。當用在線性模型上時，L1正則化和L2正則化也稱為Lasso和Ridge。

3.2 L1正則化/Lasso
L1正則化將系數(shù)w的l1范數(shù)作為懲罰項加到損失函數(shù)上，由于正則項非零，這就迫使那些弱的特征所對應的系數(shù)變成0。因此L1正則化往往會使學到的模型很稀疏（系數(shù)w經(jīng)常為0），這個特性使得L1正則化成為一種很好的特征選擇方法。

3.3 L2正則化/Ridge regression
L2正則化將系數(shù)向量的L2范數(shù)添加到了損失函數(shù)中。由于L2懲罰項中系數(shù)是二次方的，這使得L2和L1有著諸多差異，最明顯的一點就是，L2正則化會讓系數(shù)的取值變得平均。對于關(guān)聯(lián)特征，這意味著他們能夠獲得更相近的對應系數(shù)。還是以Y=X1+X2為例，假設(shè)X1和X2具有很強的關(guān)聯(lián)，如果用L1正則化，不論學到的模型是Y=X1+X2還是Y=2X1，懲罰都是一樣的，都是2alpha。但是對于L2來說，第一個模型的懲罰項是2alpha，但第二個模型的是4*alpha。可以看出，系數(shù)之和為常數(shù)時，各系數(shù)相等時懲罰是最小的，所以才有了L2會讓各個系數(shù)趨于相同的特點。
可以看出，L2正則化對于特征選擇來說一種穩(wěn)定的模型，不像L1正則化那樣，系數(shù)會因為細微的數(shù)據(jù)變化而波動。所以L2正則化和L1正則化提供的價值是不同的，L2正則化對于特征理解來說更加有用：表示能力強的特征對應的系數(shù)是非零

4 隨機森林
隨機森林具有準確率高、魯棒性好、易于使用等優(yōu)點，這使得它成為了目前最流行的機器學習算法之一。隨機森林提供了兩種特征選擇的方法：mean decrease impurity和mean decrease accuracy。

4.1 平均不純度減少 mean decrease impurity
隨機森林由多個決策樹構(gòu)成。決策樹中的每一個節(jié)點都是關(guān)于某個特征的條件，為的是將數(shù)據(jù)集按照不同的響應變量一分為二。利用不純度可以確定節(jié)點（最優(yōu)條件），對于分類問題，通常采用基尼不純度或者信息增益，對于回歸問題，通常采用的是方差或者最小二乘擬合。當訓練決策樹的時候，可以計算出每個特征減少了多少樹的不純度。對于一個決策樹森林來說，可以算出每個特征平均減少了多少不純度，并把它平均減少的不純度作為特征選擇的值。

4.2 平均精確率減少 Mean decrease accuracy
另一種常用的特征選擇方法就是直接度量每個特征對模型精確率的影響。主要思路是打亂每個特征的特征值順序，并且度量順序變動對模型的精確率的影響。很明顯，對于不重要的變量來說，打亂順序?qū)δＰ偷木_率影響不會太大，但是對于重要的變量來說，打亂順序就會降低模型的精確率。

5 兩種頂層特征選擇算法
之所以叫做頂層，是因為他們都是建立在基于模型的特征選擇方法基礎(chǔ)之上的，例如回歸和SVM，在不同的子集上建立模型，然后匯總最終確定特征得分。

5.1 穩(wěn)定性選擇 Stability selection
穩(wěn)定性選擇是一種基于二次抽樣和選擇算法相結(jié)合較新的方法，選擇算法可以是回歸、SVM或其他類似的方法。它的主要思想是在不同的數(shù)據(jù)子集和特征子集上運行特征選擇算法，不斷的重復，最終匯總特征選擇結(jié)果，比如可以統(tǒng)計某個特征被認為是重要特征的頻率（被選為重要特征的次數(shù)除以它所在的子集被測試的次數(shù)）。理想情況下，重要特征的得分會接近100%。稍微弱一點的特征得分會是非0的數(shù)，而最無用的特征得分將會接近于0。

5.2 遞歸特征消除 Recursive feature elimination (RFE)
遞歸特征消除的主要思想是反復的構(gòu)建模型（如SVM或者回歸模型）然后選出最好的（或者最差的）的特征（可以根據(jù)系數(shù)來選），把選出來的特征放到一遍，然后在剩余的特征上重復這個過程，直到所有特征都遍歷了。這個過程中特征被消除的次序就是特征的排序。因此，這是一種尋找最優(yōu)特征子集的貪心算法。

RFE的穩(wěn)定性很大程度上取決于在迭代的時候底層用哪種模型。例如，假如RFE采用的普通的回歸，沒有經(jīng)過正則化的回歸是不穩(wěn)定的，那么RFE就是不穩(wěn)定的；假如采用的是Ridge，而用Ridge正則化的回歸是穩(wěn)定的，那么RFE就是穩(wěn)定的。
7、特征獲取方法的選取原則
a、處理的數(shù)據(jù)類型
b、處理的問題規(guī)模
c、問題需要分類的數(shù)量
d、對噪聲的容忍能力
e、無噪聲環(huán)境下，產(chǎn)生穩(wěn)定性好、最優(yōu)特征子集的能力。

互信息Mutual Informantion

?yj對xi的互信息定義為后驗概率與先驗概率比值的對數(shù)。

互信息越大，表明yj對于確定xi的取值的貢獻度越大。

實際上，互信息衡量的是xi與y的獨立性，如果他倆獨立，則互信息發(fā)值為零，則xi與y不相關(guān)，則可以剔除xi，反之，如果互信息發(fā)值越大則他們的相關(guān)性越大

基于期望交叉熵的特征項選擇

1初始化特征集F為空

2掃描i從1到n，

　　如果第i個特征不再F中，那么將特征i和F放到一起Fi在只使用Fi中特征的情況下，利用交叉驗證來得到Fi的錯誤率。

3從上步中得到的n個Fi中選擇出錯誤率最小的Fi，更新F為Fi

　　如果F中的特征數(shù)達到n或者預設(shè)定的閾值（如果有），那么輸出整個搜索過程中最好的F，沒達到轉(zhuǎn)到2

????