基于t检验和弹性网的数据分类特征选择方法

摘要 数据分类是数据挖掘领域中一类重要的问题，然而，当前的数据挖掘工作面临着大样本量、高维度数据的挑战．从数据特征中选择出有效的数据特征子集，能够使数据降维，是进行进一步数据分类的基础．目前比较流行的特征选择方法对高维数据不太适应，精度也不高．因此，提出一种基于t检验和弹性网的特征选择方法，其基本思想是通过t检验得到特征在不同类之间的差异程度，并利用弹性网回归模型对差异程度较大的特征进行分析，通过回归系数压缩和误分类率得到最终的特征子集．本文通过实验证实了此方法在准确性、稳定性及时间代价上都具有良好的效果