Feature selection based on quality of information

انتخاب ویژگی به عنوان یکی از مشکلات کلیدی پیش پردازش داده ها، یک موضوع تحقیق داغ در شناخت الگو، یادگیری ماشین و داده کاوی است. ارزیابی ارتباط بین ویژگی های مبتنی بر نظریه اطلاعات یک روش محبوب و موثر است. با این حال، تحقیقات بسیار کمی به توانایی تشخیص ویژگی می پردازد، به عنوان مثال، میزان ویژگی یک نمونه داده شده را با نمونه های دیگر تشخیص می دهد. در این مقاله، ما یک روش انتخاب جدید ویژگی را بر اساس قابلیت تشخیص ویژگی پیشنهاد می کنیم. ابتدا مفهوم حداکثر نزدیکترین همسایه را تعریف می کنیم و از این مفهوم برای تشخیص نزدیکترین همسایگان نمونه استفاده می کنیم. سپس، ما یک روش اندازه گیری جدید برای ارزیابی کیفیت ویژگی ارائه می دهیم. در نهایت، الگوریتم پیشنهاد شده بر روی مجموعه داده های معیار مورد آزمایش قرار می گیرد. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی می تواند به طور موثر زیر مجموعه ای از ویژگی های تشخیصی را انتخاب کند و همچنین به خوبی یا بهتر از سایر الگوریتم های انتخاب محبوبیت محبوب عمل کند.