Систематический обзор литературы: алгоритмы рекурсивного удаления признаков

Рекурсивное удаление признаков (RFE) — это алгоритм отбора признаков, действующий путём поэтапного исключения малозначимых признаков. RFE стал популярным методом отбора признаков в различных задачах машинного обучения, таких как классификация и прогнозирование. При этом отсутствует систематический обзор литературы (SLR), посвящённый алгоритмам RFE. В статье проведён SLR алгоритмов RFE с целью представления обзора современного состояния RFE. Для SLR использованы базы данных IEEE Xplore, ScienceDirect, Springer и Scopus за период 2018–2023 гг. В обзоре выделено 76 релевантных статей: 49% стандартных RFE, 43% стратегических RFE и 8% модифицированных RFE. Исследования с использованием RFE растут каждый год с 2018 по 2023 гг. Методы отбора признаков, применяемые одновременно или для сравнения, включают фильтровые подходы, в частности корреляцию Пирсона, и встроенные подходы, в частности случайный лес (random forest). Наиболее часто используемые алгоритмы машинного обучения — метод опорных векторов и случайный лес (19,5% и 16,7% соответственно). Стратегический RFE и модифицированный RFE можно рассматривать как гибридные RFE. По релевантным статьям стратегия RFE в целом делится на две категории: применение RFE после других методов отбора признаков и применение RFE одновременно с другими методами. Модификация RFE осуществляется путём изменения последовательности работы RFE и делится на две категории: до вычисления критерия наименьшего веса и после вычисления этого критерия. Вычисление критерия наименьшего веса в модифицированных вариантах RFE остаётся сложной задачей для получения оптимальных результатов.