特徴選択（とくちょうせんたく）

概要解説

特徴選択は、機械学習および統計学の領域で用いられる手法である。モデル構築において、特徴集合の中から、意味のある関連した特徴だけを選択し、その部分集合を取り出す操作を指す。この処理を行う目的は、頑健な学習モデルを構築することにある。 本手法と関連する概念として特徴抽出が存在するが、両者の処理には違いがある。特徴抽出は元の特徴の関数に基づいて新しい特徴を生成する手法である。それに対して特徴選択は、元のデータに含まれる変数や予測変数の中から適切な部分集合を見つけ出す手法である。 なお、特徴選択は文献や表記によって多様な名称で呼ばれている。具体的には、特徴量選択や変数選択、特徴削減、属性選択、素性選択、変数部分集合選択といった呼称が存在する。