ارائه روشی برای انتخاب ویژگی مبتنی بر آنتروپی فازی

امروزه با گسترش داده هایی با ابعاد بالا، انتخاب ویژگی های مرتبط و حذف ویژگی های زائد گامی موثر در بهبود کارایی الگوریتم های یادگیری بشمار می‎‎ آید. یکی از روش های متداول برای انتخاب ویژگی ، روش های مبتنی بر فیلتر است. در روش های مبتنی بر فیلتر معیارهای متفاوتی برای ارزیابی ویژگی ها بکار گرفته می شود. در این پژوهش معیاری جدید مبتنی بر آنتروپی فازی برای شناسایی ویژگی های مرتبط و افزونه پیشنهاد شده است. روش پیشنهادی با کاهش ویژگی های انتخابی علاوه بر کاهش فضای مورد نیاز و کاهش زمان پردازش داده، موجب بهبود عملکرد الگوریتم یادگیری شده است. کیفیت روش پیشنهادی با بررسی سه مجموعه داده از پایگاه داده UCI‎‎ و Kaggle‎ارزیابی شده است. نتایج نشان می دهد روش پیشنهادی در مقایسه با روش انتخاب ویژگی بر مبنای آنتروپی، قادر به بهبود دقت طبقه بندی است؛ همچنین زمان مورد نیاز برای پردازش داده کاهش می یابد

Keywords:

انتخاب ویژگی , آنتروپی فازی , طبقه بندی , یادگیری ماشین , بهینه سازی