《表3 评价准则的简单比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《特征选择方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

以上五种评价准则各有优缺点（见表3）。概括来说，前四种大多只估计单个特征得分，而分类正确率或分类错误率可评价子集性能，综合性能最好，但效率最差；距离、一致性和依赖性度量分类性能一般但效率较好；信息度量会优于距离、一致性和依赖性度量，分类性能好效率也高。但现在CPU性能好，对时间复杂度要求没那么严格，因此实际应用中以获得最优子集为目标，通常会将分类误差率或正确率度量和其他四种度量方式结合使用，先使用前四种度量方式删除特征集中的无关特征，再使用分类正确率或分类错误率度量标准选择最优特征子集。