On feature selection protocols for very low-sample-size data

داده های با ابعاد بسیار کم در چندین نمونه کاربرد دارند. انتخاب یک زیر مجموعه بسیار جدانشدنی از ویژگی های اصلی اغلب منافع اصلی کاربر نهایی است. پروتکل انتخاب پرونده برای استفاده از این نوع داده ها از دو مرحله تشکیل شده است. اول، ویژگی ها از داده ها انتخاب می شوند (احتمالا از طریق اعتبارسنجی متقابل)، و دوم، یک پروتکل اعتبارسنج متقابل برای تست طبقه بندی با استفاده از ویژگی های انتخاب شده اعمال می شود. سپس تنظیمات انتخاب شده و دقت آزمایش به کاربر منتقل می شود. برای فقدان یک گزینه بهتر، همان مجموعه داده کم نمونه در هر دو مرحله استفاده می شود. با بررسی روایی این پروتکل، ما یک آزمایش با استفاده از 24 مجموعه داده با ابعاد بزرگ، سه روش انتخاب ویژگی و پنج مدل طبقه بندی انجام دادیم. ما دریافتیم که دقت به واسطه پروتکل بالا به شدت منحرف شده است و بنابراین یک پروتکل جایگزین پیشنهاد می کند که از طریق وارد کردن هر دو مرحله در یک حلقه متقابل معتبر، آلودگی را از بین می برد. تست های آماری حاکی از این است که دقت طبقه بندی که توسط پروتکل مناسب مطرح می شود به میزان قابل توجهی نسبت به صحت درست (برآورد شده از یک مجموعه آزمایشی مستقل) نسبت به آنچه که توسط پروتکل در حال حاضر مورد استفاده قرار می گیرد، نزدیک تر است.