经过数据预处理后，他们又将数据集分为训练集、验证集和测试集，训练集和验证集用于特征选择和训练过程，而测试集用于验证模型的最终性能。

后来研究人员提出的方法有两个步骤，第一步是应用基于信息增益和随机森林重要性的集成特征选择方法来过滤重要特征。

然后他们会对减少的特征进行递归特征消除，以进一步优化特征子集，在特征选择后，使用获得的最优特征子集来训练MLP模型。

测试集的最终性能证明了他们提出的模型的有效性，而当模型建立和训练成功后，会出现更多的信息，面对信息激增的情况下，研究人员又探索了信息增益的选择方法。

信息增益（IG）是一种基于信息熵的单变量滤波器特征选择方法，研究人员]提出的信息论中的一个概念，通常用于衡量变量的不确定性。

在处理高维数据集时，可能存在高度倾斜或包含很少信息的特征，这会影响机器学习的性能，在分类问题中，IG特征选择通过计算每个特征的信息熵，以信息量作为重要性度量。

正如方程式中所定义，在某个特征的信息增益等于类标签的熵减去该特征下类标签的条件熵，类特征熵和条件类熵的公式在已经正式的定义中。

具有信息增益（IG）和随机森林（RF），其重要性的集成特征选择是研究人员特征选择方法的第一步，在这一步中，集成特征选择方法仅应用于39个数值特征，并保留3个类别特征。