摘要
针对分类属性数据,基于信息熵,提出一种度量特征重要程度的定义,结合聚类分析,提出一种无指导的特征选择方法.该方法时间复杂度与数据集的大小和特征个数近似成线性关系,适合于大规模数据集中的特征选择.实验结果表明,该方法具有较好的性能,提出的特征选择方法有效实用.
For categorical data,a method is put forward to measure significance of feature based on information entropy.Based on clustering,an unsupervised feature selection method is presented.The time complexity of the method is nearly linear with the size of dataset and the number of features.Besides,the method is applicable to the selection of features in large dataset.The results of the experiment on UCI datasets show that the method is effective and practicable.
出处
《郑州大学学报（理学版）》
CAS
北大核心
2009年第1期77-80,共4页
Journal of Zhengzhou University:Natural Science Edition
基金
国家自然科学基金资助项目,编号60673191
广东省高等学校自然科学研究重点项目,编号06Z012
广东外语外贸大学科研创新团队项目,编号GW2006-TA-005
关键词
聚类
信息熵
特征选择
大规模数据集
clustering
information entropy
feature selection
large dataset
