一种基于动态博弈的数据特征降维选择方法

本发明属于特征选择与机器学习领域，公开了一种基于动态博弈的数据特征降维选择方法，该方法对于输入的初始数据集，先通过基于Shapley值的个体贡献度计算、混合核HSIC的线性与非线性冗余度评估，再利用动态竞标‑淘汰博弈机制，高效、均衡地完成了特征降维目的。本发明重点在构建双目标优化框架平衡特征贡献与冗余，采用子采样与就地中心化算法降低计算复杂度，通过动态竞标‑淘汰博弈策略实现特征重要性‑冗余度的自适应权衡，该技术在提升大规模数据特征选择效率、模型泛化能力及边缘设备适用性方面具有重要的实践意义和应用价值。