Mutual Information-based multi-label feature selection using interaction information

انتخاب چندین برچسب به عنوان یکی از امیدوار کننده ترین تکنیک ها است که می تواند برای به حداکثر رساندن اثربخشی و کارایی طبقه بندی چند لایک مورد استفاده قرار گیرد. با این حال، چرا که الگوریتم های انتخاب چندگانه الگوریتم باید برچسب های چندگانه را همزمان در نظر بگیرند، این کار دشوار تر از کارهای انتخاب یک ویژگی است. در این مقاله پیشنهاد می کنیم روش انتخاب چند منظوره مبتنی بر اطلاعات متقابل با استفاده از اطلاعات تعامل ارائه شود. این روش به طور طبیعی قادر به اندازه گیری وابستگی بین متغیرهای متعدد است. برای ایجاد یک روش انتخاب چندبعدی کارآمد، ما مرزهای نظری را برای اطلاعات متقابل بدست می آوریم. مطالعات تجربی نشان می دهد که روش انتخاب ویژگی چند برچسب ما پیشنهاد می کند که زیرمجموعه های ویژگی موثر برای مشکلات طبقه بندی چند لایک پیدا شود.