شبنم اصفهانی - دانشگاه آزاد اسلامی واحد مشهد
مهرداد جلالی - دانشگاه آزاد اسلامی واحد مشهد
سیدمحمدحسین معطر - دانشگاه آزاد اسلامی واحد مشهد

با توسعه امکان ذخیره سازی اطلاعات و کاربرد آن ها در حوزه های مختلف، داده هایی با ویژگی های زیاد و ابعاد بالا تولید می شوند. این مجموعه داده ها دارای ویژگی های گمراه کننده، نامرتبط، زاید و نویزدار هستند که در صحت عملکرد و زمان محاسباتی تاثیر منفی می گذارند برای حل این مشکل می توان از انتخاب زیرمجموعه ویژگی بهینه استفاده نمود. انتخاب ویژگی مدل را ساده تر می کند. این کار باعث می شود که هزینه محاسبات کاهش یابد. با حذف ویژگی های غیرمفید، مدل شفاف تر و جامع تر می گردد. همچنین باعث تسریع در فرآیند یادگیری، کاهش فضای ذخیره سازی و بهبود کارایی مانند صحت و دقت می شود. در نتیجه وجود الگوریتم های انتخاب ویژگی برای کاهش ابعاد داده ها در داده های با ابعاد بالا ضروری است. این مقاله ابتدا، انواع روش های انتخاب ویژگی را معرفی می کند و سپس روش های رایج آن ها را توضیح می دهد. در نهایت برخی از مقالات ارایه شده در سال های اخیر را با توجه به دسته بندی انجام شده، بررسی می کند.

انتخاب ویژگی، پیش پردازش، داده کاوی، روش های انتخاب ویژگی