特征选择与稀疏学习

特征选择是机器学习预处理的关键，包括过滤式、包裹式和嵌入式方法。过滤式通过相关统计量评估，如Relief算法；包裹式直接优化学习器性能，如LVW算法；嵌入式则在训练过程中自动选择，如决策树。稀疏表示和字典学习用于简化数据，压缩感知则通过信号稀疏性实现从部分观测恢复原始信号。