یک راهکار انتخاب ویژگی چندهدفه بر اساس اطلاعات متقابل شرطی و نظریه مجموعه پارتو

انتخاب ویژگی، فرایند انتخاب زیرمجموعه‌ای از میان مجموعه ویژگی‌های اولیه است، بطوری‌که با حذف ویژگی‌های اضافی و نامربوط دقت دسته‌بندی افزایش یابد. روش‌های انتخاب ویژگی فیلتر به دلیل پیچیدگی محاسباتی پایین، مقیاس‌پذیری از نظر ابعاد داده‌ها و استقلال از انواع دسته‌بندها از اهمیت بالایی برخوردار هستند. اما یکی از نقاط ضعف این دسته روش‌ها، کمبود اطلاعات در مورد تعامل و ارتباطات بین ویژگی‌ها است که منجر به انتخاب ویژگی‌های افزونه و نامربوط می‌شود. انتخاب ویژگی‌های افزونه و نامربوط به دلیل انتخاب نامناسب تابع هدفی است که بر اساس آن میزان اهمیت و افزونگی ویژگی‌ها تخمین زده می‌شود. در این مقاله یک روش انتخاب ویژگی فیلتر غیرخطی بر اساس اطلاعات متقابل شرطی و مجموعه پارتو ارائه و به‌منظور نشان دادن کارایی آن، یک سری آزمایش‌ها بر روی 12 مجموعه داده آموزشی پرکاربرد انجام شده است. طبق نتایج به‌دست‌آمده، الگوریتم پیشنهادی در مقایسه با تعدادی از الگوریتم‌های انتخاب ویژگی اخیر از دقت بالاتری برخوردار است.

کلیدواژه ها:

نظریه اطلاعات ، داده آموزشی با ابعاد بالا ، انتخاب ویژگی ، روش‌های فیلتر ، مجموعه پارتو