انتخاب ويژگي نيمه هوشمندانه چندتايي براي داده هاي نامتوازن

وجود نويز در داده ها يك مساله مهم در يادگيري ماشين است با توجه به اينكه داده هايي كه داراي مقداري نويز باشند ممكن است عملكرد يادگيري را بدتر كنند. روش پيشنهادي يك چارچوب يكپارچه ايجاد ميكند كه با انتخاب طرح دسته- بندي و نمونه گيري متعدد در اين روش براي داده ها ي نامتقارن مفيد واقع شده و نويز را حذف مي كند.تلاش ما بر اين است كه تمام تاثيرات منفي محدوديت هاي ايجاد شده را به وسيله ي تغييرات منابع آنها از بين ببريم. اين كار به وسيله ي يك تكنيك دسته بندي با استفاده از نمونه گيري مجدد از داده ها و استراتژي فضاي تصادفي انجام ميشود. پروژه پيشنهاد شده، يك رتبه بندي جهاني از طرح ها را با متراكم سازي امتيازهاي لاپلاس محدود متعدد بر وجهه هاي مختلف داده هاي نشاندار و بدون نشان توليد ميكند. ما پروژه خود را با آزمايش هاي تجربي بر مجموعه داده هاي چند بعدي و مقايسه ي آن با روش هاي ارائه شده ي ديگر قانوني ميكنيم. به طور كلي، طرح هاي انتخاب شده.