LLM4FS: Leveraging Large Language Models for Feature Selection and How to Improve It
文章主要内容总结:本文探讨了利用大型语言模型(LLMs)进行特征选择的潜力,并提出了一种名为LLM4FS的混合策略。主要内容包括:LLM性能评估:对比了DeepSeek-R1、GPT-o3mini和GPT-4.5在特征选择任务中的表现,发现DeepSeek-R1与GPT-4.5性能接近,且成本更低。混合策略LLM4FS:通过让LLM直接调用传统数据驱动方法(如随机森林、前向/后向选择等),结合LL