基于最小最大模块化集成特征选择的改进
来源：计算机技术与发展杂志2016年第09期北京时间：
作者：周丰;王未央
摘要：随着数据规模的扩大,单个弱分类器的准确率已经无法很好地对未知样本进行预测,为此提出了集成学习。在集成学习与分类器结合的同时,集成的思想同样被用到了特征选择中。从提高对样本预测的准确率的角度出发,提出一种基于最小最大模块化(Min-Max-Module,M3)的策略。它同时将集成学习应用到了特征选择算法和分类器中,并对比了四种集成策略以及三种不同的分类方法。结果表明,提出的方法在大多情况下能取得不错的效果,并且能很好地处理不平衡的数据集。
关键词：特征选择;集成学习;最小最大模块化策略;不平衡数据
