پنج شنبه 23 مرداد 1399 | Thursday 13 th of August 2020 صفحه اصلی گروه الکترونیکی کامپیوتر
2-1 انتخاب ویژگی

      اغلب نمونه ها ویژگی های زیادی دارند ( که با بردار هایی در فضای با ابعاد بالا نمایش داده
 می شوند) . هدف از انتخاب ویژگی کاهش بعد داده تا حد ممکن است . دلایل زیادی برای کاهش ابعاد وجود دارد. ویژگی های افزونه و غیر مرتبط حذف خواهند شد و همچنین کرایی دسته بندی بهتری به دست می اید . تحلیل های بعدی از نتایج دسته بندی اسان تر خواهد شد و همچنین فهم بهتر مسئله را ممکن می سازد. دو شیوه اصلی برای کاهش ابعاد در مسائل دسته بندی وجود دارد ، اولین روش شناسایی ان دسته از ویژگی هایی است که  بیشترین نقش رادر تفکیک پذیری کلاسها ایفا می کنند ، برای مثال یکی ممکن است d  ویژگی را از بین ویژگی های داده شده   با استفاده ازبعضی متد های امتیاز دهی انتخاب کند . این استراتژی انتخاب ویژگی نامیده میشود . تعداد ممکن برای این مجموعه ویژگی ،  !k!/d!(k-d)  است  که در اینجا k  تعداد اندازه گیری ها (ویژگی ها) بر روی n  نمونه برچسب دار است و سوال این است که  بهترین  زیرمجموعه از d  ویژگی که بیشترین نقش را در تفکیک کلاسها دارد چیست؟

استراتژی های مختلفی برای انتخاب ویژگی وجود دارد ، برای مثال یکی می تواند تابع هدف تعریف کند . مثلا روش SFS، یک جستجوی پایین به بالا است که هر یک ویژگی جدید در هر زمان به مجموعه ویژگی اضافه میشود. در هر مرحله ویژگی منتخب ان ویژگی است که با اضافه شدن به مجموعه ویژگی برگزیده ، تابع هدف را ماکزیمم کند. مجموعه ویژگی در ابتدا خالی است . الگوریتم وقتی پایان می یابد که ویژگی های باقی مانده تابع هدف را بدتر کنند یا به تعداد دلخواه ویژگی مورد نظر برسیم  . مهمترین اشکال این متد، این است که زمانی که یک ویژگی انتخاب شد دیگر از مجموعه ویژگی حذف نمی شود . زمانی که ویژگی های جدید به شیوه حریصانه و
 پی در پی پیدا شدند ، تضمینی وجود ندارد که به مجموعه ویژگی متصل شوند .

SBS  نظیر از بالا به پایین  SFSاست ، در این روش در هر زمان یک ویژگی حذف می شود تا اینکه  dویژگی باقی بماند . اشکال این روش در برابر روش SFS  هزینه بیشتر ان از نظر محاسباتی است چرا که تابع هدف روی مجموعه بزرگتری از متغیرها ارزیابی می شود

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26