arXiv cs.AI· Bastian Sch\"afer, Dominika Matus, Lennart Purucker, Ricardo Knauer, Erik Rodner, Frank Hutter, Anton Sokolov, Arnaud Liefooghe·· 6 天前AI 评分23
SelectArena：面向真实表格数据的现代特征选择基准
SelectArena: A Modern Benchmark for Feature Selection on Real-world Tabular Data
AI 导读
研究者推出 SelectArena 特征选择基准，在 71 个手工筛选的真实表格数据集上，用标准化评估协议和 SOTA 表格（基础）模型对比了 15 种常用特征选择方法，覆盖分类与回归任务。
正文 · AI 翻译
摘要：从表格数据集中选择特征（列）的子集是现实应用中普遍存在的挑战。行业专家希望最小化模型训练成本，气候科学家需要一个可解释的因素子集来理解极端天气事件，临床医生则因资金和时间限制需要在诊断测试中做出选择。在查阅科学文献以确定使用哪种特征选择方法时，各领域的实践者面对的是一个不具代表性的基准测试图景。尽管研究广泛，现有的特征选择基准测试提供的指导有限，因为它们依赖于过时的模型、临时的评估协议，或无法反映现实问题的人工生成数据。为弥合科学基准测试与现实应用之间的差距，我们推出了 SelectArena，一个现代的特征选择基准。我们在 71 个人工整理的现实表格数据集上，使用标准化评估协议和最先进的表格（基础）模型，比较了 15 种广泛使用的特征选择方法，涵盖分类和回归问题。我们的结果揭示了在预测性能、运行时间、稳定性和有效性之间明确的权衡。考虑预测性能和运行时间时，基于树的方法 CART 和 RFImportance 以及 F-Test 处于帕累托最优。F-Test、基于信息论和基于距离的方法在稳定性和有效性方面领先，其中 F-Test 在我们的各项指标中成为均衡的选择。基于搜索的方法速度慢、不稳定且性能低。SelectArena 将这些发现转化为实用指导，并作为一个可扩展平台支持未来的特征选择研究。
| 评论： | 9 页，6 幅图，2 张表 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.13644 [cs.LG] |
| （或 arXiv:2610.13644v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.13644 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Bastian Schäfer [查看电子邮件]
[v1]
2026 年 10 月 9 日星期五 14:21:47 UTC（2,238 KB）
来源：arXiv cs.AI · arxiv.org