識別最優的數據驅動特徵選擇方法以提高分類任務的可重複性

 在機器學習研究中，特徵選擇是十分重要的一個環節。很多腦影像機器學習研究者更多追求的是所選特徵的預測精度，而本文的作者更關注所選特徵的可重複性。作者提出的基於圖論的FS-Select算法，在挑選出具有可重複性特徵的同時，兼顧了其預測準確性。該研究由土耳其伊斯坦布爾科技大學的Nicolas Georges 等人發表在最近的Pattern Recognition雜誌上。   關鍵詞：機器學習  特徵選

>>阅读原文<<