Some features speak loud, but together they all speak louder: A study on the correlation between classification error and feature usage in decision-tree classification ensembles

در حالی که تنوع استدلال شده است که منطق موفقیت یک دسته از طبقه بندی ها، کمی در مورد نحوه استفاده یکنواخت فضای ویژگی بر خطای طبقه بندی تاثیر گذاشته شده است. به دنبال مشاهدات از نتیجه اخیر، منتشر شده در جای دیگر، در میان چند گروه از درخت تصمیم گیری، کسانی که با فرکانس استفاده از ویژگی های یکنواخت بیشتر نیز یک خطای طبقه بندی کوچکتر. این مقاله حمایت بیشتر از چنین فرضیه ای را فراهم می کند. ما برای انجام آزمونهای بیش از 60 مجموعه داده های طبقه بندی شده، با استفاده از 42 نوع مختلف مجموعه های درخت تصمیم گیری، برای آزمون فرضیه های ما انجام شده است. نتایج ما اعتبار این فرضیه را تشریح می کنند که باعث طراحی روش های ساختمانی گروهی می شود که از ویژگی های یکنواختتری استفاده می کنند و برای مشکلات طبقه بندی کم و متوسط ​​مورد استفاده قرار می گیرند.