无监督特征选择方法分类及详解

无监督特征选择可以划分为以下几类：

1. 基于统计学方法的特征选择：这种方法使用统计学方法来评估特征的重要性，例如卡方检验、互信息、方差分析等等。

2. 基于聚类的特征选择：这种方法将样本聚类为几个组，然后评估每个特征在不同组中的分布情况，从而选择最能区分组别的特征。

3. 基于降维的特征选择：这种方法通过将特征映射到低维空间来减少特征的数量，例如主成分分析（PCA）、独立成分分析（ICA）等等。

4. 基于稀疏表示的特征选择：这种方法利用样本的稀疏性质来选择最具有代表性的特征，例如Lasso算法。

5. 基于图论的特征选择：这种方法使用图论的方法来衡量特征之间的相似度和重要性，例如最小生成树（MST）和最大子图（MCG）算法。