انتخاب ویژگی متون با svm در متلب
 

سلام
من در زمینه متن کاوی دارم کار میکنم.الان می خوام انتخاب ویژگی های متون ام رو با استفاده از svm در متلب انجام بدم. می خ.ام اگر میشه یکی برام به طور مختصر و مفید توضیح بده که کلا چطوری باید ویژگی هام رو انتخاب کنم و کلا چطوری این کار رو در متلب انجام بدم چون بعدش خروجی هام رو باید به یه الگوریتم دیگه بدم تا نتایجم بهتر بشه.الان اول کارم و واقعا نمیدونم باید از کجا شروع کنم.مطالعات تحقیقاتیم تمام شده و الان باید پیاده سازیم رو انجام بدم.
اگر کسی میتونه در این زمینه کمکم کنه ممنون میشم.:106::63::18:

انتخاب ویژگی توسط svm انجام نمیشه
svm کار دسته بندیو انجام میده.
برای انتخاب ویژگی، قبل از اعمال دسته بند svm ، بهترین ویژگیها با روشی انتخاب شده و بعد به svm داده میشه

سلام ممنون از راهنماییتون
یعنی من اول باید یه روش دیگه رو برای انتخاب ویژگی انجام بدم بعد ویژگی های انتخاب شده رو به svm بدم؟
خوب میشه یه مثال از روش های انتخاب ویژگی بزنید با کدوم روش باید انتخاب ویژگی رو انجام داد؟

شما جستجو کنین
feature selection methods
روش یکی دو تا نیس.
به نظرم بهترینش اینه که هر دفعه یک مجموعه از ویژگیهاتونو انتخاب کنین و داده ها رو بر اساس اون ویژپگها به دسته بند بدین تا آموزش داده بشن و بعد با داده های تست، تست کنین وو نرخ دسته بندی رو به دست بیارین. این کارو با ترکیبات مختلف ویژگیها انجام بدین. ببینین بهترین حالت کدومه

روشهای متداولتر اینه که اول از مجموعه خالی شروع کنین بعد با یک ویژگی عمل دسته بندی رو انجام بدین ببینین بهترین ویژگی کدومه که بیشترین نرخ دسته بندی با اون به دست میاد. اونو به مجموعه خالی اضافه کنین.
بعد بیان از ویژگیهای باقیمانده ببینین کدوم ویژگی با اون ویژگیهایی که در مجموعه انتخابی هستن بهترین نتیجه دسته بندی رو میده (در مرحله اول یک ویژگی در این مجموعه هست و کم کم اضافه می شود) باز بهترین ویژگی رو به مجموعه اضافه کنین و این کارو تا زمانی انجام بدین که نرخ دسته بندی حد قابل قبولی بشه.
برعکسشم میشه مجموعه ویژگیهای انتخابی در اول شامل تمام ویژگیهاست و کم کم بدترین ویژگی از آن حذف می شود.
روشهای مبتنی بر ژنتیک و الگوریتمهای تکاملیم هست

سلام
ممنون از راهنماییتون
من می دونم که انتخاب ویژگی چند مرحله داره که رد مرحله اول با استفاده از تابع تولید کننده زیرمجموعه های کاندید رو پیدا می کنیم (که من می خوام از روش تصادفی و یا اکتشافی در این قسمت استفاده کنم ولی جزئیات روش رو نمیدونم )
و بعد با استفاده از تابع ارزیابی بهترین زیر مجموعه های کاندید انتخاب میشن (که باز هم روش های مختلف برای انجام این کار هست که من می خوام از روش wrapper استفاده کنم)که برای اینجا هم نمیدونم تابع ارزیابی ام رو چطوری و از کجا انتخاب کنم
و بعدش این که برای پیاده سازی این کار با متلب از کجا باید شروع کنم .واقعا گیج شدم هرچی مقاله می خونم فقط روش های کار رو تئوری توضیح داده جزئیات کار رو نگفتن که چطوریه.

منابع خیلی خوب توضیح دادن و من هم بالا ریز کارو توضیح دادم. فکر نکنم بیشتراز این بشه تو تاپیک توضیح داد.
شما گفتین میخواین از روش تصادفی یا اکتشافی تو انتخاب زیرمجموعه ویژگیها استفاده کنین. خوب روش تصادفی که کاملا واضحه شما داده هایی دارین که 100 تا ویژگی داره خوب مثلا 20 تا ویژگی تصادفی داده ها رو انتخاب میکنین . برای قسمت ارزیابیشم توضیح دادم که میتونین از نرخ دسته بندی برای داده های آموزشی استفاده کنین. یعنی داده های تستو با همون 20 ویژگی به دسته بند میدین (بعد آموزش دسته بند توسط داده های اموزشی)و میبینین که چند درصدشون درست دسته بندی شدن. این میشه معیار اینکه اگه این 20 ویزگی داده ها انتخاب بشند دسته بند ما انقدر دقت داره، بعد میاین با یه مجموعه ویژگی تصادفی دیگه این کارو می کنین مثلا 15 تا ویژگی. باز همون کارو میکنین و نرخ دسته بندیو به دست میارین. باز این میشه معیار ارزیابی شما که آیا این مجموعه ویزگی بهتر بودن یا قبلی!
همین روالو باید تکرار کنین.
این توضیحی که دادم بر اساس روش wrapper هست همونی که شما میخواین.
در مورد متلبم خوب باید بلد باشین چجوری باهاش کار کنین:) موفق باشین

سلام برای داده هایی که آموزش و تست ندارند چه باید کرد؟ البته من تونستم با fda یک کارهایی بکنم و چند ویژگی انتخاب کنم. مثلا از 5000 ویژگی داده ژنی سرطانی با fda تونستم مرتب کنم و ویژگی های برتر رو به ترتیب مرتب کنم . ایا این روش که انجام دادم درسته ؟