feature selection

# feature selection nedir ?
* feature selection (FS); özelliklerin alt kümelerini, doğruluktan ödün vermeden seçmektedir.
* ilgisiz verileri, gereksiz verileri silerek yüksek boyutu indirgemeyi hedeflemektedir.
* amacı, gereksiz özellikleri çıkararak accuracy bulmayı hedeflemektedir.

# türleri ?
* FS, arama statejisine göre üç grup ile sınıflandırılmaktadır. 1. wrapper 2. filter 3. hybrid

## filter approaches :
* bu yaklaşım, öğrenme algoritmasından bağımsız olarak çalışmaktadır.
* verisetinin genel yapısına dayanmaktadır. Özel olarak öğrenme yapılmadan alt küme seçilmektedir.
* hesaplama bakımından etkin olduğu için yüksek boyutlu problemler için tercih edilmektedir [3].

## wrapper approaches:
* bu yaklaşım ise, diğerinin tersine bir öğrenme algoritması içermektedir [3].
* seçilen özelliklerin başarımı, bir öğrenme algoritmasında denenmektedir. Daha iyi doğruluk üretmektedir.
* hesaplama maliyeti daha yüksek olmaktadır.

## hybrid approaches:
* diğer iki metodun iyi yönlerini birleştiren bir metodtur.

# faydaları
* yüksek hesaplama maliyetini aşağıya çekmektedir.
* accuracy artırdığından ve daha hızlı hesaplama sağlamaktadır.

# kullanım alanları
* gen microarray analizi [4], sistem monitörleme [5], resim sınıflandırma, cluster analizi, veri madenciliği, örüntü tanımlama[6].
*

# kaynaklar
1. Lin, Y., Li, J., Lin, P., Lin, G., & Chen, J. (2014). Feature selection via neighborhood multi-granulation fusion. Knowledge-Based Systems, 67, 162–168. doi:10.1016/j.knosys.2014.05.019
2. Abd-alsabour, N., & Randall, M. (2010). Feature Selection for Classification Using an Ant Colony System. doi:10.1109/eScienceW.2010.23
3. Kashef, S., & Nezamabadi-pour, H. (2015). An advanced ACO algorithm for feature subset selection. Neurocomputing, 147, 271–279. doi:10.1016/j.neucom.2014.06.067
4. Chandrashekar, G., & Sahin, F. (2014). A survey on feature selection methods. Computers & Electrical Engineering, 40(1), 16–28. doi:10.1016/j.compeleceng.2013.11.024
5. Forsati, R., Moayedikia, A., Jensen, R., Shamsfard, M., & Meybodi, M. R. (2014). Enriched ant colony optimization and its application in feature selection. Neurocomputing, 142, 354–371. doi:10.1016/j.neucom.2014.03.053
6. Schiezaro, M., & Pedrini, H. (2013). Data feature selection based on Artificial Bee Colony algorithm. EURASIP Journal on Image and Video Processing, 2013(1), 47. doi:10.1186/1687-5281-2013-47
7. Zhang, Y., Gong, D., Hu, Y., & Zhang, W. (2015). Feature selection algorithm based on bare bones particle swarm optimization. Neurocomputing, 148, 150–157. doi:10.1016/j.neucom.2012.09.049

Reklamlar

No comments yet

Bir Cevap Yazın

Aşağıya bilgilerinizi girin veya oturum açmak için bir simgeye tıklayın:

WordPress.com Logosu

WordPress.com hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Twitter resmi

Twitter hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Facebook fotoğrafı

Facebook hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Google+ fotoğrafı

Google+ hesabınızı kullanarak yorum yapıyorsunuz. Çıkış  Yap / Değiştir )

Connecting to %s

%d blogcu bunu beğendi: