稀疏和不平衡高维数据的特征选择

Question

我的数据非常不平衡，标签非常稀少。数据的维度非常高。最重要的是，我的功能也很稀疏。

那么在这种情况下进行特征选择的最佳方法是什么。基于像spearmann或pearson相关性的任何相关性度量等级将不是一个好的。因为我的大多数标签和功能都是零，并且看起来这个功能高度相关或者某些东西即使它没那么重要。

有什么建议吗？

Answer 1

SVM适用于稀疏数据的分类。通过检查生成的内核矩阵，您可以识别比其他特征更重要的特征，并将其用于特征选择。