差分进化算法解决特征选择问题，差分进化算法解决特征选择问题，Differential evolution algorithm to solve the problem of feature selection,Differential evolution algorithm to solve the problem of feature selection,

matlab 特征选择算法 序列浮动前向选择算法 SFFS

特征选择的计算方法 Computational Methods of Feature Selection 经典教材

近红外光谱数据常用特征选择方法，包含CARS、PSO、SPA、VIP和UVE等代码，先前版本部分代码复制粘贴出错，再次更新。

特征选择是常用的预处理任务之一，其目的是减少智能算法和模型的输入量。这有助于简化模型，降低模型训练的计算成本，提高模型的泛化能力和防止过度训练。用于前馈人工神经网络（ANNs）训练的进化特征选择的MATLAB实现。

个性化推荐系统中的用户建模及特征选择个性化推荐系统中的用户建模及特征选择

住院费用建模中基于GA-SVM的特征选择和参数优化

通过去除不相关和多余的特征，特征选择旨在找到具有良好泛化能力的原始特征的紧凑表示。 随着无标签数据的普及，无监督特征选择已显示出可有效减轻维数的诅咒，对于全面分析和理解无标签高维数据的无数至关重要，这是由于子空间聚类中低秩表示法的成功所致，我们提出了一种用于无监督特征选择的正则化自我表示（RSR）模型，其中每个特征都可以表示为其相关特征的线性组合。 通过使用L-2，L-1-范数来表征表示系数矩阵和表示残差矩阵，RSR有效地选择了代表性特征并确保了对异常值的鲁棒性。 如果某个特征很重要，则它将参与大多数其他特征的表示，从而导致出现大量的表示系数，反之亦然。 对合成数据和现实世界数据进行的实验分析表明，该方法可以有效地识别代表性特征，在聚类精度，冗余减少和分类精度方面优于许多最新的无监督特征选择方法。

基于依赖裕度的特征选择

基于多核和模糊决策的鲁棒模糊粗糙集模型用于特征选择