删除嘈杂和冗余功能

Question

我从基于面部标记的视频序列中提取了特征，作为视频序列上这些标记的平均值和标准偏差。它们需要根据这些标记分为四类。

总而言之，我拥有大约260个功能的功能集。如何确定哪些功能在我的设备中有噪音和冗余。我在一些研究论文中读过它，其中一些使用了我认为非常合适的加l算法，但是在这样的算法中，他们总是将一个特征与另一个特征相比较，并说它的优劣。 如何评价我的功能是好还是坏？通常使用什么标准？

我研究了很多天，但没有发现任何明确和有用的东西。非常感谢帮助，谢谢。

Answer 1

将260个功能视为260维空间的基础。但是，您的基础向量彼此不正常，因此它们包含大量冗余信息。您希望将这些向量转换为向量集，其中所有向量彼此正常，从而最小化维度而不会丢失（多）信息。

这是Principal component analysis的作用。

Linear discriminant analysis也可能是你感兴趣的。

Answer 2

您可以使用pca或者您可以训练一些分类器，然后循环遍历您的每个功能都会增加一个值，测试此更改是否会改变分类器的精度，如果没有，您可以删除此功能删除所有冗余功能后，再重新训练分类器！

它是一个很好的意识，不是训练一个分类器而是很多分类器，而且它们根据投票进行预测，你可以在matlab中使用MODE函数来做到这一点！

Answer 3

使用分类率确定功能的子集有多好。你有260个功能，然后有2 ^ 260子集，这太多了！在这个空间搜索非常困难。因此，最好通过Filter方法删除某些功能（例如FA，t-test，fisher和...），然后使用搜索方法查找功能的最佳子集。 加上l算法（或其他搜索算法）找到各种子集并对其进行评级（在此阶段使用分类率），最后指定哪个子集更好。