二进制登山队优化算法及其在特征选择中的应用

特征选择的主要目的是缩减和精炼数据的特征集,使得生成的特征子集可以进一步提高模型的学习精度。针对特征选择这一特定问题,提出了一种二进制登山队优化算法BMTBO(Binary Mountaineering Team-Based Optimization)。该算法属于二进制版本的群智能优化算法,并采用倒“S”形和“V”形数值空间转换函数,实现了在特征选择时,不仅可以降低特征维数,而且可以降低模型学习的误差率。为验证BMTBO算法的实际效果,在15个公共测试数据集上进行实验。实验结果显示,与现有方法相比,BMTBO算法的平均分类准确率最多可提升1百分点,证明所提出的算法在提高模型学习精度方面的可行性与有效性。