بررسی و مقایسه الگوریتم های انتخاب ویژگی در طبقه بندی با الگوریتم های ماشین بردار پشتیبان و -k نزیکترین همسایه

برای مسئله انتخاب ویژگی، راه حل ها و الگوریتم های فراوانی ارائهشده است که بعضی از آنها قدمت سی یا چهل ساله دارند. مشکل بعضی از الگوریتم ها در زمانی که ارائه شده بودند، بار محاسباتی زیاد آنها بود، اگرچه امروزه با ظهور کامپیوترهای سریع و منابع ذخیره سازی بزرگ این مشکل، به چشم نمی آید ولی از طرف دیگر، مجموعه داده های بسیاربزرگ بیان ژن برای درمان بیماری سرطان باعث شده است که همچنان پیدا کردن یک الگوریتم سریع برای این کار مهم باشد. در این مقاله ما با ارائه الگوریتم LDA برای انتخاب ویژگی به بررسی این روش می پردازیم. و سپس نتایج به دست آمده را با طبقه بند مورد مقایسه قرار می دهیم تا دقت و کیفیت این روش نسبت به دیگر روش ها به دست آید

کلیدواژه ها:

انتخاب ویژگی ، کاهش ابعاد ، الگوریتم آنالیز جداکننده خطی LDA ، الگوریتم ماشین بردار پشتیبان الگوریتم k- نزدیک ترین همسایه