我一直在研究特征选择，而我却未能理解这两种方法的不同之处。
根据文献的大多数作者，特征选择算法分为三类。前两个，过滤器和包装器很容易理解，并且就此达成了一致意见。然而，在最后一类中似乎存在误解。一些作为H. Liu的案例的作者将最后一个类别命名为混合。相比之下，V. Kumar将其命名为嵌入式。有鉴于此，有些作者定义了4个类别，包括嵌入式算法和混合算法，就像P. Abinaya一样。
作者将混合算法解释为滤波器算法和包装器方法之间的组合。这些算法背后的主要思想是使用过滤方法来减少包装器方法的搜索空间。
另一方面，文献中嵌入算法的定义根据来源而有很大差异。有些人使用与混合算法几乎相同的定义，就像wikipedia page的情况一样。其他人提供了更抽象的定义，例如：methods that perform feature selection during learning of optimal parameters和methods that incorporate knowledge about the specific structure of the class of functions used by a certain learning machine。
所以如果有人能够解释我这两种方法之间的区别，或者给出一个不太抽象的嵌入式方法定义，我将不胜感激。
感谢。