انتخاب ویژگی در تجزیه و تحلیل داده

در اغلب زمینه ها پیدا کردن زیرمجموعه ای بهینه از یک مجموعه بزرگ ویژگی، مسیله ای است که با آن مواجه هستند. از آنجایی که بالا بودن تعداد ویژگی ها بار محاسباتی سیستم را بالا می برد، نیاز به ارایه ی سیستمی با کمترین تعداد ویژگی و کارایی قابل قبول ضروری به نظر می رسد. این مقاله یک روش جدید انتخاب ویژگی مبتنی بر منطق فازی را ارایه می کند که از یک رویکرد فازی بر روی روش های قبلی استفاده می کند. در این مقاله ابتدا یک سیستم فازی طراحی می شود به طوری که قادر به کلاس بندی داده ها باشد و میزان صحت عملکرد آن را محاسبه کند، سپس با استفاده از همین سیستم فازی ، قوانین فازی به صورت تصادفی ایجاد شده و از آن جهت بالا بردن کارایی الگوریتم ژنتیک در این حوزه استفاده می شود. همچنین در انتخاب ویژگی از دیتاست موردنظر مشاهده شده است که بعد از 15 تکرار پاسخ سیستم از مقدار مطلوب (بیشتر از 90) بهتر شده است.

Keywords:

تجزیه و تحلیل داده های بزرگ , انتخاب ویژگی , الگوریتم ژنتیک , منطق فازی , استخراج ویژگی