基于改进CHI和带权ECE结合的特征选择方法

针对文本分类特征选择方法中的卡方统计（CHI）和期望交叉熵（ECE），分析了其特点和不足。为了避免传统CHI和ECE方法在不平衡数据集上分类效果差的问题，通过引入调节因子和除去负相关影响因素，给出了改进的CHI方法（<i>p</i>CHI），并以加权的方式弥补ECE方法倾向于选择弱区分能力高频特征的缺陷（<i>ω</i>ECE）。在综合两种改进后方法的基础上，进一步提出基于改进CHI和带权ECE结合（<i>p</i>CHI<i>ω</i>ECE）的特征选择方法。经对比实验验证，<i>p</i>CHI<i>ω</i>ECE方法的查准率、<i>F</i>₁值均优于CHI、ECE及<i>p</i>CHI、<i>ω</i>ECE方法，且该方法的降维稳定性更好。