کاهش ابعاد به کمک روش ترکیبی تحلیل مولفه های اصلی و اطلاعات متقابل

با افزایش حجم داده ها و گسترش داده ها با ابعاد بالا کاهش ابعاد به یکی از مهم ترین و اصلی ترین چالش ها در بسیاریاز علوم از جمله یادگیری ماشین و داده کاوی تبدیل شده است. هر مجموعه داده ممکن است شامل ویژگی های زائد و بی اهمیتباشد که این امر تاثیر منفی بر عملکرد مدل های یادگیری ماشین خواهد داشت. در این پژوهش جهت کاهش ابعاد از یکالگوریتم ترکیبی مبتنی بر تحلیل مولفه های اصلی و اطلاعات متقابل بهره گرفته می شود. همچنین از روش درخت تصمیم برایساخت مدل نهایی استفاده و در نهایت مدل ساخته شده نسبت به سه معیار ارزیابی می شود. نتایج این پژوهش بیانگر آن استکه حذف ویژگی های بی اهمیت و زائد سبب بهبود عملکرد و کارایی و کاهش حجم داده ها خواهد شد.

کلیدواژه ها:

تحلیل مولفه اصلی ، اطلاعات متقابل ، درخت تصمیم ، کاهش ابعاد