معرفی یک روش جدید برای انتخاب ویژگی بر اساس الگوریتم رقابت استعماری

انتخاب ویژگی ، یک مسیله بهینه سازی است که در آن، انتخاب ویژگی هایی مرتبط تر از مجموعه کل ویژگی ها ، باعث بهینه شدن هزینه های ساخت مدل با الگوریتم های طبقه بندی و خوشه بندی می شود. روش های انتخاب ویژگی به دو دسته با ناظر و بدون ناظر تقسیم بندی می شوند. در روش های با ناظر مشخص است که هر داده به چه کلاسی تعلق دارد در حالی که در روش های بدون ناظر مشخص نیست هر داده ایی به چه کلاسی تعلق دارد و این کار را پیچیده تر می کند. در این مقاله ما روشی را برای انتخاب ویژگی بر اساس الگوریتم بهینه سازی رقابت استعماری معرفی می کنیم که هم در حالت نظارت شده و هم در حالت بدون ناظر کاربرد دارد. این روش زیر مجموعه ایی بهینه از ویژگی ها را با استفاده از چندین بار تکرار و بدون استفاده از الگوریتم های یادگیری بطوری که باعث کاهش افزونگی شود را پیدا می کند . بنابراین می توان آن را به عنوان یک روش چند متغیره فیلترینگ ویژگی در نظر گرفت. این روش با چندین روش انتخاب ویژگی تک متغیره و چند متغیره مقایسه شده است. نتایج آزمایش های انجام شده بر روی چندین مجموعه داده، موثر بودن این روش نسبت به روش های مشابه قبلی را نشان می دهد.

کلیدواژه ها:

انتخاب ویژگی ، کاهش ابعاد ، روش های غیر پارامتریک ، روش های چند متغیره ، رهیافت فلیترینگ ، الگوریتم بهینه سازی رقابت استعماری