ترجمه Feature selection with dynamic mutual information
چکيده:
انتخاب ویژگی نقش مهمی را در استخراج داده و تشخیص الگو مخصوصا در مقیاس بزرگ بازی می کند.در طی سالهای گذشته متریک های مختلفی برای اندازه گیری میزان ارتباط بین داده ها ارائه شده است. اما از آنجا که Mutual Information توانست به صورت غیرخطی و با قدرت بالایی وابستگی ویژگی ها را نشان دهد، به صورت گسترده ای در انتخاب ویژگی استفاده می شود. در این مقاله ابتدا یک تابع معیار کلی برای Mutual Information در انتخاب کننده های ویژگی معرفی می شود که نسبت به الگوریتم های گذشته می تواند بیشترین میزان اطلاعات را به ما بدهد. در انتخاب کننده های سنتی Mutual Information در تمام فضای نمونه تخمین زده می شد که به خوبی ارتباط بین ویژگی ها را نشان نمی داد. برای حل این مشکل دومین هدف این مقاله ارائه الگوریتم جدیدی برای انتخاب ویژگی بر اساس Dynamic Mutual Information است. برای مشاهده تاثیر این روش، نتایج چندین آزمایش بر روی 16 دیتاست را با استفاده از 4 دسته بندی کننده نشان داده شده اند