استفاده از الگوريتم رقابت استعماري براي انتخاب ويژگي با در نظر گرفتن شباهت بين ويژگي‌ها

امروزه بسياري از مسائل يادگيري نيازمند كاركردن روي مجموعه‌ داده هاي با تعداد زياد ويژگي‌ است. معمولاً بسياري از اين ويژگي‌ها نامناسب و داراي افزونگي هستند كه مي‌توانند تأثير منفي بر وظيفه يادگيري داشته باشند. انتخاب ويژگي يك تكنيك كارا و مهم براي غلبه بر اين مشكل است. در اين مقاله يك روش انتخاب ويژگي بدون ناظر مبتني بر راهكار فيلتر به نام RandSimICA ارائه‌شده است كه از الگوريتم رقابت استعماري (ICA) به‌عنوان يك تكنيك جستجو در فضاي ويژگي‌ها استفاده مي‌كند. به علاوه، يك تابع هزينه جديد در روش پيشنهادي بكار برده شده است كه بدون نياز به هيچ طبقه‌بندي كننده‌اي، هزينه زيرمجموعه ويژگي‌هاي انتخاب‌شده را محاسبه مي‌كند؛ بنابراين روش پيشنهادي در دسته روش‌هاي فيلتر قرار مي گيرد‌. عملكرد روش پيشنهادي با روش‌هاي معروف انتخاب ويژگي فيلتر بدون ناظر، بر اساس نرخ خطاي به‌دست‌آمده از طبقه‌بندي كننده‌هاي ماشين بردار پشتيبان، بيزين ساده و درخت تصميم مقايسه شده است. نتايج آزمايش‌ها بر روي 7 مجموعه داده‌اي نشان مي‌دهد كه الگوريتم RandSimICA به لحاظ دقت طبقه‌بندي بهتر از روش‌هاي ديگر عمل مي‌كند و زيرمجموعه ويژگي‌هاي پيدا شده توسط روش پيشنهادي داراي اندازه كوچك با نرخ خطاي طبقه‌بندي پايين مي‌باشد