13、半监督特征选择与网络剪枝算法研究

半监督特征选择与网络剪枝算法研究

1. 数据描述与实验设置

在实验中，使用了一个玩具数据集和七个UCI数据集，具体情况如下：
- 高斯数据 ：高斯数据集中的两类合成样本分别从两个高斯分布$N((0, 0)^T, I)$和$N((3, 0)^T, I)$中抽取，其中$I \in R^{2×2}$是单位矩阵。总共有600个样本，每个类别300个。对于每个类别，80%的数据作为训练样本，其余作为测试样本。
- UCI数据 ：七个UCI数据集涵盖了广泛的领域（包括病理学、车辆工程、生物信息、金融等），规模从267到1473，特征数量从9到34。所有数据集在训练和测试前都进行了归一化处理，使特征值在区间$[-1, 1]$内。每个UCI数据集随机分为两个子集，70%用于训练，30%用于测试。

数据集	样本数量	属性数量	类别数量
Australian	700	14	2
CMC	1473	9	2
German	1000	24