Machine learning 特征选择：混合与嵌入式方法

我一直在做特征选择的研究，但我无法理解这两种方法的区别

根据大多数文献作者的观点，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，并且在这方面有一个普遍的共识。然而，关于最后一类，似乎存在误解。一些作者将最后一个类别命名为hybrid。与此相反，它的名称是嵌入的。在这种情况下，作者定义了4个类别，包括嵌入式和混合算法，例如

作者将混合算法解释为过滤算法和包装器方法的结合。这些算法背后的主要思想是使用过滤器方法来减少包装器方法的搜索空间

另一方面，文献中对嵌入式算法的定义因来源而异。有些算法使用与混合算法几乎相同的定义，例如。其他人给出了更抽象的定义，如：、和

因此，如果有人能解释一下这两种方法之间的区别，或者给出一个嵌入式方法的不那么抽象的定义，我将不胜感激

---

谢谢。

混合功能选择=过滤器+包装器方法。嵌入式或集成特征选择：嵌入式方法试图在模型构建过程中找到最佳特征子集。