بررسی مساله انتخاب ویژگی، روش ها و الگوریتم ها

مساله انتخاب ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماریالگو مطرح است. این مساله در بسیاری از کاربردها (مانند طبقه بندی) اهمیت به سزائی دارد، زیرا در اینکاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلا استفاده هستند و یا اینکه بار اطلاعاتیچندانی ندارند. حذف نکردن این ویژگیها مشکلی از لحاظ اطلاعاتی ایجاد نمی کند ولی بار محاسباتی رابرای کاربرد مورد نظر بالا میبرد، علاوه بر این باعث میشود که اطلاعات غیر مفید زیادی را به همراهداده های مفید ذخیره کنیم برای مساله انتخاب ویژگی، راه حل ها و الگوریتم های فراوانی ارائه شده استکه بعضی از آنها قدمت سی یا چهل ساله دارند. به صورت کلی الگوریتم های مختلف انتخاب بهترینمجموعه ویژگی را بر اساس نوع کاوش به دسته های متفاوتی تقسیم بندی می نمایند. در این مقاله ما درابتدا تعاریفی که برای انتخاب ویژگی ارائه شدهاند و همچنین، تعاریف مورد نیاز برای درک این مساله راارائه میدهیم. سپس روشهای مختلف برای این مساله و همچنین نحوه ارزیابی این زیرمجموعه ها رادسته بندی می کنیم. سپس تعدادی از روشهای معرفی شده در هر دسته را معرفی و بر اساس اهمیت،تا جائی که مقدور باشد، آنها را تشریح و الگوریتم برخی از آنها را ذکر می کنیم.

کلیدواژه ها:

انتخاب ویژگی ، رپر ، فیلتر