Forward Selection

释义 Definition

前向选择（法）：一种逐步建模/特征选择方法，通常从“空模型”（不含自变量）开始，每一步把最能显著提升模型表现的变量加入模型，直到再加入变量带来的改进不再满足预设标准（如显著性检验、AIC/BIC、交叉验证误差等）。常见于回归分析与机器学习的特征选择。

发音 Pronunciation (IPA)

/ˈfɔːrwərd səˈlɛkʃən/

例句 Examples

We used forward selection to choose the best predictors for the model.
我们用前向选择法为模型挑选最佳预测变量。

Starting from an intercept-only model, forward selection added variables one by one based on cross-validation performance.
从只含截距项的模型开始，前向选择根据交叉验证表现逐个加入变量。

词源 Etymology

“Forward”意为“向前的/逐步推进的”，“selection”意为“选择”。合起来指一种朝前推进、逐步加入变量的选择策略；与“backward elimination（后向剔除）”相对。

相关词 Related Words

• Stepwise Regression
• Backward Elimination
• Feature Selection
• Model Selection
• AIC
• BIC
• Cross-Validation

文学与著作 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——在模型选择/特征选择的语境中讨论逐步法及相关思想。
• Applied Regression Analysis（Draper & Smith）——回归建模章节中介绍逐步选择方法（包括前向选择）。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）——讲解模型选择与评估时提及逐步选择类方法及其注意事项。