FeatureHospital：面向多视图多标签特征选择算法自动定制的技能驱动多Agent框架

摘要

多视图多标签特征选择旨在从异质视图中识别一个紧凑且有信息量的特征子集，同时为多个标签保留判别信息。现有方法通常从特定建模视角出发，并纳入针对特定数据特性的机制。针对特性多样且异质的数据集设计合适的特征选择算法，仍在很大程度上依赖专家知识与大量人工投入，带来可观的时间与人力成本，严重阻碍特征选择的实际应用。为解决这一问题，我们提出FeatureHospital，一个面向自动化多视图多标签特征选择算法设计的技能驱动多Agent框架。FeatureHospital首先对目标数据集进行诊断，识别其特征选择问题。基于诊断结果，配备领域技能（Skill）的专科Agent为不同问题开出相应的优化策略与损失项。随后，对所得处方进行调和以消除重叠、解决冲突，再整合为一个紧凑的数据集特定目标函数。最后，对构建的目标函数进行优化以选出最终特征子集。实验结果表明，FeatureHospital能够依据不同数据集各自的特性为其构建有效的特征选择算法。

FeatureHospital：面向多视图多标签特征选择算法自动定制的技能驱动多Agent框架：论文配图 — 图1：传统特征选择算法设计与 FeatureHospital 的概念比较。(A) 在传统工作流程中，研究者针对特定数据集手动设计特征选择算法，而同一算法在应用于新数据集时可能失效，需要反复分析与重新设计。(B) FeatureHospital 将每个数据集视为一名患者，诊断其特征选择问题，并运用配备技能（Skill）的智能体自动构建针对该数据集的特征选择算法。