我正在寻找的选择方法是基于子集评估的方法（即不简单地对各个特征进行排名）。我更喜欢Matlab中的实现或基于WEKA的实现，但是使用任何其他语言的实现仍然有用。
我知道WEKA中存在CsfSubsetEval和ConsistencySubsetEval，但它们没有带来良好的分类性能，可能是因为它们受到以下限制：
CsfSubsetEval偏向于小特征子集，这可能会阻止局部预测特征包含在所选子集中，如[1]中所述。
ConsistencySubsetEval使用min-features bias [2]，与CsfSubsetEval类似，导致选择的特征太少。
我知道这是＆＃34;太少＆＃34;因为我已经建立了具有更大子集的分类模型，并且它们的分类性能相对更好。
[1] M. A. Hall，机器学习的基于相关的特征子集选择，1999。
[2] Liu，Huan和Lei Yu，关于整合特征选择算法的分类和聚类，2005年。
答案 0 :(得分：0)
查看python scikit learn简单有效的数据挖掘和数据分析工具。 feature selection有各种实现的方法，分类，评估和许多文档和教程。
答案 1 :(得分：0)
我的搜索引导我进行以下实施：
FEAST工具箱：它是一个有趣的工具箱，由曼彻斯特大学开发，提供香农信息论功能的实现。这些实现可以从THIS网页下载，它们可用于评估各个功能以及功能的子集。
我还发现了THIS matlab代码，它是基于交互信息的选择算法的实现。
答案 2 :(得分：0)
PY_FS：用于特征选择的 Python 包
我偶然发现了这个刚刚发布（2021 年）的包 [1]，其中包含许多方法，参考了他们的原始论文。