機(jī)器學(xué)習(xí)特征選擇常用算法

1. 綜述

(1) 什么是特征選擇

特征選擇 ( Feature Selection )也稱特征子集選擇( Feature Subset Selection , FSS ) ，或?qū)傩赃x擇( Attribute Selection ) ，是指從全部特征中選取一個特征子集，使構(gòu)造出來的模型更好。

(2) 為什么要做特征選擇

在機(jī)器學(xué)習(xí)的實際應(yīng)用中，特征數(shù)量往往較多，其中可能存在不相關(guān)的特征，特征之間也可能存在相互依賴，容易導(dǎo)致如下的后果：

特征個數(shù)越多，分析特征、訓(xùn)練模型所需的時間就越長。

特征個數(shù)越多，容易引起“維度災(zāi)難”，模型也會越復(fù)雜，其推廣能力會下降。

特征選擇能剔除不相關(guān)(irrelevant)或亢余(redundant )的特征，從而達(dá)到減少特征個數(shù)，提高模型精確度，減少運行時間的目的。另一方面，選取出真正相關(guān)的特征簡化了模型，使研究人員易于理解數(shù)據(jù)產(chǎn)生的過程。

2. 特征選擇過程

2.1 特征選擇的一般過程

特征選擇的一般過程可用圖1表示。首先從特征全集中產(chǎn)生出一個特征子集，然后用評價函數(shù)對該特征子集進(jìn)行評價，評價的結(jié)果與停止準(zhǔn)則進(jìn)行比較，若評價結(jié)果比停止準(zhǔn)則好就停止，否則就繼續(xù)產(chǎn)生下一組特征子集，繼續(xù)進(jìn)行特征選擇。選出來的特征子集一般還要驗證其有效性。

綜上所述，特征選擇過程一般包括產(chǎn)生過程，評價函數(shù)，停止準(zhǔn)則，驗證過程，這4個部分。

(1) 產(chǎn)生過程( Generation Procedure )

產(chǎn)生過程是搜索特征子集的過程，負(fù)責(zé)為評價函數(shù)提供特征子集。搜索特征子集的過程有多種，將在2.2小節(jié)展開介紹。

(2) 評價函數(shù)( Evaluation Function )

評價函數(shù)是評價一個特征子集好壞程度的一個準(zhǔn)則。評價函數(shù)將在2.3小節(jié)展開介紹。

(3) 停止準(zhǔn)則( Stopping Criterion )

停止準(zhǔn)則是與評價函數(shù)相關(guān)的，一般是一個閾值，當(dāng)評價函數(shù)值達(dá)到這個閾值后就可停止搜索。

(4) 驗證過程( Validation Procedure )

在驗證數(shù)據(jù)集上驗證選出來的特征子集的有效性。

圖1. 特征選擇的過程 ( M. Dash and H. Liu 1997 )

2.2 產(chǎn)生過程

產(chǎn)生過程是搜索特征子空間的過程。搜索的算法分為完全搜索(Complete)，啟發(fā)式搜索(Heuristic)，隨機(jī)搜索(Random) 3大類，如圖2所示。

圖2. 產(chǎn)生過程算法分類 ( M. Dash and H. Liu 1997 )

下面對常見的搜索算法進(jìn)行簡單介紹。

2.2.1完全搜索

完全搜索分為窮舉搜索(Exhaustive)與非窮舉搜索(Non-Exhaustive)兩類。

(1) 廣度優(yōu)先搜索( Breadth First Search )

算法描述：廣度優(yōu)先遍歷特征子空間。

算法評價：枚舉了所有的特征組合，屬于窮舉搜索，時間復(fù)雜度是O(2n)，實用性不高。

(2)分支限界搜索( Branch and Bound )

算法描述：在窮舉搜索的基礎(chǔ)上加入分支限界。例如：若斷定某些分支不可能搜索出比當(dāng)前找到的最優(yōu)解更優(yōu)的解，則可以剪掉這些分支。

(3) 定向搜索 (Beam Search )

算法描述：首先選擇N個得分最高的特征作為特征子集，將其加入一個限制最大長度的優(yōu)先隊列，每次從隊列中取出得分最高的子集，然后窮舉向該子集加入1個特征后產(chǎn)生的所有特征集，將這些特征集加入隊列。

(4) 最優(yōu)優(yōu)先搜索 ( Best First Search )

算法描述：與定向搜索類似，唯一的不同點是不限制優(yōu)先隊列的長度。

2.2.2 啟發(fā)式搜索

(1)序列前向選擇( SFS , Sequential Forward Selection )

算法描述：特征子集X從空集開始，每次選擇一個特征x加入特征子集X，使得特征函數(shù)J( X)最優(yōu)。簡單說就是，每次都選擇一個使得評價函數(shù)的取值達(dá)到最優(yōu)的特征加入，其實就是一種簡單的貪心算法。

算法評價：缺點是只能加入特征而不能去除特征。例如：特征A完全依賴于特征B與C，可以認(rèn)為如果加入了特征B與C則A就是多余的。假設(shè)序列前向選擇算法首先將A加入特征集，然后又將B與C加入，那么特征子集中就包含了多余的特征A。

(2)序列后向選擇( SBS , Sequential Backward Selection )

算法描述：從特征全集O開始，每次從特征集O中剔除一個特征x，使得剔除特征x后評價函數(shù)值達(dá)到最優(yōu)。

算法評價：序列后向選擇與序列前向選擇正好相反，它的缺點是特征只能去除不能加入。

另外，SFS與SBS都屬于貪心算法，容易陷入局部最優(yōu)值。

(3) 雙向搜索( BDS , Bidirectional Search )

算法描述：使用序列前向選擇(SFS)從空集開始，同時使用序列后向選擇(SBS)從全集開始搜索，當(dāng)兩者搜索到一個相同的特征子集C時停止搜索。

雙向搜索的出發(fā)點是 。如下圖所示，O點代表搜索起點，A點代表搜索目標(biāo)。灰色的圓代表單向搜索可能的搜索范圍，綠色的2個圓表示某次雙向搜索的搜索范圍，容易證明綠色的面積必定要比灰色的要小。

圖2. 雙向搜索

(4) 增L去R選擇算法 ( LRS , Plus-L Minus-R Selection )

該算法有兩種形式:

1> 算法從空集開始，每輪先加入L個特征，然后從中去除R個特征，使得評價函數(shù)值最優(yōu)。( L > R )

2> 算法從全集開始，每輪先去除R個特征，然后加入L個特征，使得評價函數(shù)值最優(yōu)。( L R )

算法評價：增L去R選擇算法結(jié)合了序列前向選擇與序列后向選擇思想， L與R的選擇是算法的關(guān)鍵。

(5) 序列浮動選擇( Sequential Floating Selection )

算法描述：序列浮動選擇由增L去R選擇算法發(fā)展而來，該算法與增L去R選擇算法的不同之處在于：序列浮動選擇的L與R不是固定的，而是“浮動”的，也就是會變化的。

序列浮動選擇根據(jù)搜索方向的不同，有以下兩種變種。

1>序列浮動前向選擇( SFFS , Sequential Floating Forward Selection )

算法描述：從空集開始，每輪在未選擇的特征中選擇一個子集x，使加入子集x后評價函數(shù)達(dá)到最優(yōu)，然后在已選擇的特征中選擇子集z，使剔除子集z后評價函數(shù)達(dá)到最優(yōu)。

2>序列浮動后向選擇( SFBS , Sequential Floating Backward Selection )

算法描述：與SFFS類似，不同之處在于SFBS是從全集開始，每輪先剔除特征，然后加入特征。

算法評價：序列浮動選擇結(jié)合了序列前向選擇、序列后向選擇、增L去R選擇的特點，并彌補(bǔ)了它們的缺點。

(6) 決策樹( Decision Tree Method , DTM)

算法描述：在訓(xùn)練樣本集上運行C4.5或其他決策樹生成算法，待決策樹充分生長后，再在樹上運行剪枝算法。則最終決策樹各分支處的特征就是選出來的特征子集了。決策樹方法一般使用信息增益作為評價函數(shù)。

2.2.3 隨機(jī)算法

(1) 隨機(jī)產(chǎn)生序列選擇算法(RGSS, Random Generation plus Sequential Selection)

算法描述：隨機(jī)產(chǎn)生一個特征子集，然后在該子集上執(zhí)行SFS與SBS算法。

算法評價：可作為SFS與SBS的補(bǔ)充，用于跳出局部最優(yōu)值。

(2) 模擬退火算法( SA, Simulated Annealing )

模擬退火算法可參考 大白話解析模擬退火算法 。

算法評價：模擬退火一定程度克服了序列搜索算法容易陷入局部最優(yōu)值的缺點，但是若最優(yōu)解的區(qū)域太小(如所謂的“高爾夫球洞”地形)，則模擬退火難以求解。

(3) 遺傳算法( GA, Genetic Algorithms )

遺傳算法可參考 遺傳算法入門 。

算法描述：首先隨機(jī)產(chǎn)生一批特征子集，并用評價函數(shù)給這些特征子集評分，然后通過交叉、突變等操作繁殖出下一代的特征子集，并且評分越高的特征子集被選中參加繁殖的概率越高。這樣經(jīng)過N代的繁殖和優(yōu)勝劣汰后，種群中就可能產(chǎn)生了評價函數(shù)值最高的特征子集。

隨機(jī)算法的共同缺點：依賴于隨機(jī)因素，有實驗結(jié)果難以重現(xiàn)。

2.3 評價函數(shù)

評價函數(shù)的作用是評價產(chǎn)生過程所提供的特征子集的好壞。

評價函數(shù)根據(jù)其工作原理，主要分為篩選器(Filter)、封裝器( Wrapper )兩大類。

篩選器通過分析特征子集內(nèi)部的特點來衡量其好壞。篩選器一般用作預(yù)處理，與分類器的選擇無關(guān)。篩選器的原理如下圖3：

圖3. Filter原理(Ricardo Gutierrez-Osuna 2008 )

封裝器實質(zhì)上是一個分類器，封裝器用選取的特征子集對樣本集進(jìn)行分類，分類的精度作為衡量特征子集好壞的標(biāo)準(zhǔn)。封裝器的原理如圖4所示。

圖4. Wrapper原理 (Ricardo Gutierrez-Osuna 2008 )

下面簡單介紹常見的評價函數(shù)。

(1) 相關(guān)性( Correlation)

運用相關(guān)性來度量特征子集的好壞是基于這樣一個假設(shè)：好的特征子集所包含的特征應(yīng)該是與分類的相關(guān)度較高(相關(guān)度高)，而特征之間相關(guān)度較低的(亢余度低)。

可以使用線性相關(guān)系數(shù)(correlation coefficient) 來衡量向量之間線性相關(guān)度。

( 2) 距離 (Distance Metrics )

運用距離度量進(jìn)行特征選擇是基于這樣的假設(shè)：好的特征子集應(yīng)該使得屬于同一類的樣本距離盡可能小，屬于不同類的樣本之間的距離盡可能遠(yuǎn)。

常用的距離度量(相似性度量)包括歐氏距離、標(biāo)準(zhǔn)化歐氏距離、馬氏距離等。

(3) 信息增益( Information Gain )

假設(shè)存在離散變量Y，Y中的取值包括{y1，y2，....，ym} ，yi出現(xiàn)的概率為Pi。則Y的信息熵定義為：

信息熵有如下特性：若集合Y的元素分布越“純”，則其信息熵越小;若Y分布越“紊亂”，則其信息熵越大。在極端的情況下：若Y只能取一個值，即P1=1，則H(Y)取最小值0;反之若各種取值出現(xiàn)的概率都相等，即都是1/m，則H(Y)取最大值log2m。

在附加條件另一個變量X，而且知道X=xi后，Y的條件信息熵(Conditional Entropy)表示為：

假設(shè)存在特征子集A和特征子集B，分類變量為C，若IG( C|A ) > IG( C|B ) ，則認(rèn)為選用特征子集A的分類結(jié)果比B好，因此傾向于選用特征子集A。

(4)一致性( Consistency )

若樣本1與樣本2屬于不同的分類，但在特征A、 B上的取值完全一樣，那么特征子集{A，B}不應(yīng)該選作最終的特征集。

(5)分類器錯誤率 (Classifier error rate )

使用特定的分類器，用給定的特征子集對樣本集進(jìn)行分類，用分類的精度來衡量特征子集的好壞。

以上5種度量方法中，相關(guān)性、距離、信息增益、一致性屬于篩選器，而分類器錯誤率屬于封裝器。

篩選器由于與具體的分類算法無關(guān)，因此其在不同的分類算法之間的推廣能力較強(qiáng)，而且計算量也較小。而封裝器由于在評價的過程中應(yīng)用了具體的分類算法進(jìn)行分類，因此其推廣到其他分類算法的效果可能較差，而且計算量也較大。