稀疏和不平衡高维数据的特征选择

Question

我的数据非常不平衡，正标签非常稀缺。数据是非常高维的。除此之外，我的特征也很稀疏。

那么在这种情况下进行特征选择的最佳方法是什么。任何基于 spearmann 或 pearson 相关性的相关性度量排名都不是一个好方法。因为我的大部分标签和特征都是零，而且看起来这个特征是高度相关的，或者即使它没有那么重要。

各位有什么建议吗？

Answer 1

SVM 非常适合稀疏数据的分类。通过检查生成的核矩阵，您可以识别出比其他特征更重要的特征并将其用于您的特征选择。