ارائه ی یک چارچوب برای دسته بندی روش های انتخاب ویژگی مبتنی براستراتژی جستجو و معیارهای ارزیابی

انتخاب ویژگی تاثیرات مناسبی را برای برنامه های داده کاوی به همراه دارد به طوریکه باعث بالا رفتن سرعت الگوریتم های داده کاوی، بالا رفتن دقت پیشگویی، قابلیت درک نتایج، بازیابی الگوهای آماری و بهبود در یادگیری ماشین، مخصوصا در جریان دادههای بزرگ را فراهم می آورد.در این مقاله تکنیک های انتخاب ویژگی، برای استفاده در طبقه بندی در متن کاوی و یادگیری ماشین، مورد بررسی قرار گرفته و یک چارچوب طبقه بندی شده از این الگوریتم ها برای انتخاب الگوریتم مناسب بر اساس شرایط مختلف، ارزیابی معیارها و ویژگی های مسئله، ارائه شده است. در پژوهش های قبلی الگوریتم های انتخاب ویژگی اکتشافیدسته بندی نشده بود که در این مقاله در چارچوب پیشنهادی به طور کامل به آن پرداخته شده است. این چارچوب می تواند در متن کاوی، داده کاوی در شرایط مختلف برای کاربران و برنامه های کاربردی مخصوصا در جریان داده های بزرگ، در انتخاب الگوریتم مناسب برای طبقه بندی داده و انتخاب استراتژی مناسب، مفید واقع شده و در پیش پردازش و داده کاوی اطلاعات استفاده شود

کلیدواژه ها:

انتخاب ویژگی ، داده کاوی ، یادگیری ماشین ، طبقه بندی ، چارچوب ، جریان داده بزرگ