在线流特征选择综述

导读

在大数据时代,很多领域中的数据维度呈现出爆炸式地增长。为了处理大数据背景下数据挖掘中的高维数据问题,在线特征选择技术显得尤为重要。近期,关于在线动态特性处理的研究引起了广泛关注。为了适应特征以流的方式持续到来的情况,必须在特性到达时就进行在线处理。同时,考虑到特性可能存在的组结构,处理以组方式到达的流特性也显得十分必要。为了应对这些挑战,许多最新的在线特征选择方法被提出。

本文首先简要回顾了传统的特性选择方法。然后,详细介绍了在线流特性选择中的一些具体问题。此外,还系统概述了现有的在线流特性选择方法,并从实验角度分析对比了这些方法。最后,探讨了在线流特性选择中的一些开放性的挑战问题。

文章精要

请长按下方二维码识别,阅读该文。

Frontiers of Computer Science

Frontiers of Computer Science (FCS)是由教育部主管、高等教育出版社出版、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊,双月刊,全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为李未院士,执行主编为熊璋教授和周志华教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库(CSCD)核心库等收录,为 CCF 推荐期刊;两次入选“中国科技期刊国际影响力提升计划”;入选“第4届中国国际化精品科技期刊”。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180525G0I10Y00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券