ارایه روشی برای انتخاب ویژ گی مبتنی بر آنتروپی فازی

در عصر دیجیتال داد ه ها به عنوان یک دارایی با ارزش توسعه یافته اند و سهم بزرگی درعملکرد رو ش ها ییادگیری ماشین دارند. با گسترش داده هایی با ابعاد بالا، انتخاب ویژگی های مرتبط و حذف ویژگی های زایدگامی موثر در بهبود کارآیی ا لگوریتم های یادگیری بشمار می آید. یکی ا ز رو ش های متداول برای ا نتخاب ویژگی ،رو ش های مبتنی بر فیلتر است. در رو ش های مبتنی بر فیلتر معیارهای متفاوتی برای ارزیابی ویژگی ها بکارگرفته می شو د. در این پژوهش معیا ری جدید مبتنی بر آنتروپی فازی بر ای شناسایی ویژگی های مرتبط وافزونه پیشنهاد شده است. روش پیشنهادی با کاهش ویژگی های انتخابی علاوه بر کاهش فضای مورد نیاز وکاهش زمان پردازش داده، موجب بهبود عملکرد الگوریتم یادگیری شده است. کیفیت روش پیشنها دی بابررسی سه مجموعه داد ه از پایگاه های داده UCI و Kaggle ارزیابی شده است. نتایج نشان می دهد روشپیشنها دی در مقایسه با روش انتخاب ویژگی بر مبنای آنتروپی، قادر به بهبود دقت طبقه بندی است؛ هم چنینزمان مورد نیاز بر ای پردازش داده کاهش می یابد

کلیدواژه ها:

انتخاب ویژگی ، آنتروپی فازی ، طبقه بندی ، بهینه سازی ، یادگیری ماشین