Multi-criteria feature selection on cost-sensitive data with missing values

انتخاب ویژگی نقش مهمی در شناخت الگو و یادگیری ماشین دارد. در مواجهه با داده های با ابعاد بزرگ در بسیاری از وظایف تجزیه و تحلیل داده ها، تکنیک های انتخاب ویژگی طراحی شده اند تا زیر مجموعه ای از ویژگی های اصلی را که می تواند طبقه بندی را تسهیل کند پیدا کند. با این حال، در بسیاری از برنامه های کاربردی دنیای واقعی، ارزش های ویژگی های از دست رفته که به آزمون و هزینه های اشتباه طبقه بندی کمک می کنند، موضوع افزایش نگرانی در بیشتر مجموعه داده ها است، به خصوص در برخورد با داده های بزرگ. رویکردهای انتخابی موجود، به طور موثر این مسئله را حل نمی کند. در این مقاله، بر اساس نظریه مجموعه خشن، ما به مسئله انتخاب ویژگی برای داده های حساس با ارزش با مقادیر گمشده می پردازیم. ابتدا یک تابع ارزیابی چند معیاره برای مشخص کردن اهمیت ویژگی های کاندیدان، با توجه به نه تنها قدرت در منطقه مثبت و منطقه مرزی بلکه هزینه های مرتبط با آن، پیشنهاد می کنیم. بر این اساس، ما یک الگوریتم انتخاب الگوریتم حریصانه برای انتخاب یک زیر مجموعه ویژگی از هزینه کمینه ای که اطلاعات همانند مجموعه کل ویژگی را حفظ می کند، ایجاد می کنیم. علاوه بر این، برای بهبود کارایی این الگوریتم، انتخاب ویژگی های کاندید را در مجموعه ای از ابعاد درهم آمیز اجرا می کنیم. در نهایت، عملکرد برتر الگوریتم پیشنهاد شده را به الگوریتم های انتخابی ویژگی های موجود از طریق نتایج تجربی در مجموعه داده های مختلف نشان می دهیم.