A Light Causal Feature Selection Approach to High-Dimensional Data

特征选择 计算机科学 水准点(测量) 选择(遗传算法) 人工智能 特征(语言学) 成对比较 相似性(几何) 机器学习 算法 大地测量学 语言学 图像(数学) 哲学 地理
作者
Zhaolong Ling,Ying Li,Yiwen Zhang,Kui Yu,Peng Zhou,Bo Li,Xindong Wu
出处
期刊:IEEE Transactions on Knowledge and Data Engineering [Institute of Electrical and Electronics Engineers]
卷期号:: 1-13 被引量:2
标识
DOI:10.1109/tkde.2022.3218786
摘要

Causal feature selection has received increasing attention in recent years. However, the state-of-the-art causal feature selection algorithms use the conditional independence tests, which require enumerating conditioning sets, leading to an exponential increase in computational complexity along with an increase in feature space. To address this problem, in this paper, we theoretically analyze the unique performance of causal features in mutual information, and propose a novel C ausal F eature S election algorithm using M utual I nformation, called CFS-MI. Specifically, CFS-MI separately instantiates the pairwise comparison of mutual information in two stages to reduce computational complexity, and thus improves the efficiency on high-dimensional data. Extensive experiments on 5 benchmark Bayesian networks and 16 real-world datasets validate that CFS-MI has comparable accuracy compared to 7 state-of-the-art causal feature selection algorithms, while presenting more superior computational efficiency.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
豆沙包小团子完成签到 ,获得积分10
1秒前
美满的稚晴完成签到 ,获得积分10
4秒前
橙子味的邱憨憨完成签到 ,获得积分10
5秒前
乘风破浪完成签到 ,获得积分10
7秒前
爱可可月完成签到 ,获得积分10
8秒前
少年旭完成签到,获得积分10
8秒前
雨相所至完成签到,获得积分10
9秒前
one完成签到 ,获得积分10
9秒前
SciGPT应助陶醉的烤鸡采纳,获得10
16秒前
sunaijia应助科研通管家采纳,获得10
19秒前
科研通AI2S应助科研通管家采纳,获得10
19秒前
sunaijia应助科研通管家采纳,获得10
20秒前
小马甲应助科研通管家采纳,获得10
20秒前
20秒前
开放铅笔完成签到 ,获得积分10
20秒前
执着夏山完成签到,获得积分10
21秒前
摆哥完成签到,获得积分10
22秒前
满意白卉完成签到 ,获得积分10
28秒前
Agnesma完成签到,获得积分10
29秒前
31秒前
漫步云端完成签到 ,获得积分10
36秒前
38秒前
fyjlfy完成签到 ,获得积分10
41秒前
Vegeta完成签到 ,获得积分10
41秒前
laogao完成签到,获得积分10
42秒前
逃之姚姚完成签到 ,获得积分10
43秒前
辛勤香岚完成签到,获得积分10
44秒前
光亮书易完成签到,获得积分10
44秒前
47秒前
ccx完成签到,获得积分10
49秒前
Getlogger完成签到,获得积分10
52秒前
无私的以亦完成签到 ,获得积分10
54秒前
cheng完成签到 ,获得积分10
55秒前
wnll完成签到,获得积分10
57秒前
58秒前
小二郎应助irisjlj采纳,获得10
59秒前
jyhk完成签到,获得积分10
1分钟前
马一一完成签到,获得积分10
1分钟前
Gino完成签到,获得积分0
1分钟前
JFP完成签到,获得积分10
1分钟前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 500
"Sixth plenary session of the Eighth Central Committee of the Communist Party of China" 400
Introduction to Modern Controls, with illustrations in MATLAB and Python 310
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3056657
求助须知:如何正确求助?哪些是违规求助? 2713111
关于积分的说明 7434777
捐赠科研通 2358205
什么是DOI,文献DOI怎么找? 1249340
科研通“疑难数据库(出版商)”最低求助积分说明 607030
版权声明 596250