特征选择
Parent: ai_keywords
核心定义
特征选择是机器学习和数据科学中的核心预处理技术，旨在从高维原始特征集中剔除冗余、无关或噪声特征，筛选出对预测或分类任务最具信息量的特征子集。该过程可有效缓解维数灾难，提升模型泛化能力、计算效率与可解释性，是连接原始数据与高效模型的桥梁。
关键技术点
- 过滤法
基于统计指标（如方差阈值、卡方检验、互信息、皮尔逊相关系数）独立评估特征与目标变量的相关性，快速排序但忽略特征间依赖关系，适合初步筛选。 - 包裹法
利用预设学习模型（如递归特征消除RFE）迭代训练并评估子集性能，精度高但计算成本大，常见于数据量适中的场景。 - 嵌入法
在模型训练过程中自动完成特征选择：L1正则化（Lasso）迫使不相关特征系数为零；树模型（随机森林、XGBoost）基于分裂增益输出特征重要性。 - 稀疏学习与正则化
通过L1、L2或弹性网（Elastic Net）惩罚项在损失函数中嵌入特征压缩，实现端到端的自动维数约简，尤其适合特征数远多于样本数的高维数据。 - 深度特征选择
借助自编码器的重构机制或注意力机制（如Transformer权重）学习非线性和高维交互的重要性，适用于脑电图、影像组学等复杂医学数据。
医学/神经科学应用场景
帕金森病早期诊断（结合首都医科大学宣武医院神经病学团队研究）
帕金森病（PD）的早期诊断极具挑战，常规依赖运动症状（震颤、强直）及非运动特征（嗅觉减退、RBD），但敏感度有限。通过采集患者步态（足底压力、步长变异）、语音（基频波动、谐噪比）、手写（速度-加速度轨迹）和静息态fMRI（基底节-丘脑功能连接）等多模态数据，原始特征常超千维。
团队采用“两步法”特征选择：先用互信息过滤掉与UPDRS评分相关度<0.1的低效特征，再以Lasso回归嵌入弹性网（alpha=0.5）对剩余特征稀疏化，最终保留约15个关键参数（如步态摆动幅度熵、fMRI中壳核-苍白球连接强度）。将该子集输入SVM分类器，早期PD识别准确率从原始特征的82%提升至93%，且显著降低运算内存占用（约40%），同时揭示了“基底节-感觉运动皮层环路异常”作为核心生物标志物的病理机制。该流程已在100例PD患者（H&Y分期1-2）前瞻性队列中验证，并推动向便携式可穿戴诊断设备转化。
