一种基于拓展型广义回归神经网络的序列特征选择方法

本申请涉及特征选择技术领域，公开一种基于拓展型广义回归神经网络的序列特征选择方法，包括：根据k折交叉验证法划分原始数据集为训练集和验证集，生成k组训练集和每组训练集对应的交叉验证集；初始化B维特征子集，B维特征子集包括k组训练集；基于拓展型广义回归神经网络根据k组训练集计算全部交叉验证集的平均预测偏差，生成目标损失；重复寻找使得目标损失最小的特征变量并从B维特征子集中删除直至目标损失不再降低，生成最优特征子集。上述算法能够自适应地得到最优的特征变量个数，增强了算法的可操作性和针对性，提高了算法的准确度。同时该算法无需参数优化，能够灵活方便地嵌入到集成学习方法框架中。