摘要：在机器学习的研究中，特征选择对于提高学习机器的性能和效率具有重要的意义。各种特征选择算法的不断提出和应用。给各领域科研工作的实施带来极大的帮助．但是当前各种算法普遍存在着具体实现独立性较强、可扩展性差的问题，使得算法的使用者难以对多种算法的性能进行统一的对比评估，算法的替换和扩展工作量也相应较大。论文以面向对象的设计理念为指导。基于设计模式中的策略模式，提出了特征选择算法工具库FSLS（Feature Selection Library based on Strategy—pattern）的设计构想，通过将特征选择方法中一些常用的算法按照策略模式进行包装，以此方便机器学习算法用户的使用，同时确保算法工具库的本身具有较强的可扩展性。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）