机构名称：
¥ 2.0
特征选择是高维统计和机器学习的重要主题，用于预测和理解潜在现象。它在计算机视觉，自然语言处理，生物信息学等中都有许多应用。但是，文献中的大多数特征选择方法已提出用于离线学习，现有的在线功能选择方法在真正的支持恢复中具有理论和实际限制。本文提出了两种新型的在线特征选择方法，该方法由随机梯度下降和硬阈值操作员提出。提出的方法可以同时选择相关特征，并基于所选变量构建线性回归或分类模型。为提出方法的一致性提供了理论上的理由。对模拟和实际稀疏数据集的数值实验表明，所提出的方法与文献的最新在线方法相比有利。关键字：变量选择，流数据，随机算法，退火过程，大数据学习
随机特征选择带退火及其在流数据中的应用
主要关键词
相关文件推荐
