特征选择作为组合优化问题在数据挖掘方面是一个很重要的数据预处理步骤,即通过移除不相关和冗余的特征来提高学习算法的性能。在现实机器学习过程中,用户获得原始数据之后先进行特征选择预处理,用选择后的特征子集再训练学习器。特征选择之所以重要一是因为在现实任务中获得到的数据都是高维特征,经常遇到维数灾难,若能从中选择出有价值的特征,使得后续的学习阶段仅需在一部分特征上建立模型即可,那么维数灾难问题就可以得到一部分缓解;另一个原因是移除不相关和冗余的特征会降低后续的学习难度。演化算法是许多目前比较流行的解决特征选择问题的首要选择(比如森林优化算法,粒子群优化算法等),通过将演化算法离散化求解最优特征子集,FSFOA和POS(4-2)都是基于演化算法的特征选择算法。近年来一些研究表明,基于演化算法的特征选择算法比传统的机器学习特征选择算法要具有更好的泛化性能,目前的演化算法都遵循sampling-and-learning(SAL)这样的机制。Sampling-and-classification(SAC)是SAL的一个特定版本,在学习阶段将二元分类器作为一个模型,指导采样阶段的采样质量,计算开销大幅优于其他演化算法。但是直接用SAC解决特征选择问题存在一些局限性。首先目前尚未提出过针对特征选择问题的初始化策略,其次是评估函数的选择存在局限性,不适合求解特征选择问题。本文提出了新的初始化策略,将特征选择作为离散搜索问题,以提高SAC的求解性能;重新定义评估函数,以分类器在预测数据集上的准确率作为评价特征子集的标准,因此最后选择出的特征子集能够对数据集进行很好的分类。新提出的FSSAC算法能够在较短时间内选择出分类性能最优的特征子集,提高了分类器的分类准确率,并且具有很好的泛化性能。目前对FSSAC的主要改进是在初始化阶段和评估函数,因为多数演化算法的初始化都是随机初始化,这样对后面的学习阶段带来很大的不确定性。此外,在评估函数的选择方面主要侧重于分类器的分类准确率,忽略了维度缩减因素,当现实学习任务需要进行降维时,FSSAC明显存在着一定的局限性,所以选择出的特征子集虽然提高的准确率但却降低了维度缩减。本文受序列向前选择和序列向后选择的思想,将初始化阶段进行了改进,在初始化采样阶段,我们将采样的规模作为一个考虑因素,采样集合大多数样本从维度较小的特征子集中选择,其余的样本在高维特征子集中选择。同样在评估函数我们加入了维度缩减函数,利用了参数平衡准确率和维度缩减之间的平衡关系。实验表明,改进后的FSSAC不仅提高了准确率,而且降低了特征子集的维度,达到了我们的预期效果。