KNIFE：核心迭代特征提取
摘要：在非线性或核空间中选择重要特征是分类和回归问题中的一个困难挑战。当许多特征是无关的时，支持向量机和核岭回归等核方法有时会表现不佳。我们提出在与原始分类或回归问题共同估计的稀疏权重集合中对核中的特征进行加权。迭代算法KNIFE在找到原问题的系数和通过核线性化找到特征权重之间交替进行。此外，对KNIFE的轻微修改可得到一种有效的算法，用于找到特征正则化路径或每个特征权重的路径。模拟结果证明了KNIFE在具有各种核函数的核回归和支持向量机中的实用性。特征路径的实现还揭示了在确定一组显著变量时有用的重要非线性相关性。还给出了关于元音识别数据、帕金森病数据和微阵列数据的结果。
作者：Genevera I. Allen
论文ID：0906.4391
分类：Machine Learning
分类简称：stat.ML
提交时间：2009-06-25