面向文本分类的基于最小冗余原则的特征选取

摘要

在文本分类中,为了降低计算复杂度,常用的特征选取方法(如IG)都假设特征之间条件独立.该假设将引入严重的特征冗余现象.为了降低特征子集的冗余度,本文提出了一种基于最小冗余原则(minimal Redundancy Principle, MRP)的特征选取方法.通过考虑不同特征之间的相关性,选择较小冗余度的特征子集.实验结果显示基于最小冗余原则方法能够改善特征选取的效果,提高文本分类的性能.