LVW特徵選擇算法簡單介紹

LVW（Las Vegas Wrapper）是一種典型的包裹式特徵選擇方法，它在拉斯維加斯方法框架下使用隨機策略來進行子集搜索，並以最終分類器的誤差爲特徵子集評價準則。 與過濾式特徵選擇不考慮後續學習器不同，包裹式特徵選擇直接把最終要使用的學習器的性能作爲特徵子集的評價準則，換言之，包裹式特徵選擇的目的就是爲了給定學習器選擇最有利於其性能，量身定做的特徵子集。 算法描述：   紅色箭頭：交叉驗證學

>>阅读原文<<