기능 선택이는 일반적으로 모델을 함께 구축하는 데 사용되는 기능 하위 집합을 선택하는 프로세스입니다. 그 장점은 다음과 같습니다.
모델을 단순화합니다.
훈련 시간을 단축합니다.
일반성을 개선하고 과적합을 줄입니다.
특징 선택 알고리즘은 검색 기술과 평가 지표의 조합으로 볼 수 있는데, 전자는 후보 새로운 특징 하위 집합을 제공하고 후자는 다양한 특징 하위 집합의 점수를 매깁니다. 가장 간단한 방법은 각 하위 집합을 테스트하여 오류율이 가장 낮은 하위 집합을 찾는 것입니다. 이 알고리즘에는 광범위한 검색 공간이 필요합니다. 모든 기능 집합에 대한 계산을 완료하는 것은 어렵기 때문에 작은 하위 집합의 기능만 다룰 수 있고 알고리즘에 더 큰 영향을 미칩니다.
다양한 평가 지표를 통해 기능 선택 알고리즘은 패키징, 필터링, 임베딩의 세 가지 범주로 구분할 수 있습니다.