دانلود مقاله ISI انگلیسی شماره 29021
عنوان فارسی مقاله

انتخاب ویژگی برای طبقه بندی شبکه های بیزی با استفاده از نمره MDL-FS

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
29021 2010 23 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Feature selection for Bayesian network classifiers using the MDL-FS score
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Approximate Reasoning, Volume 51, Issue 6, July 2010, Pages 695–717

کلمات کلیدی
ویژگی انتخاب زیر مجموعه - حداقل طول شرح - طبقه بیزی انتخابی -
پیش نمایش مقاله
پیش نمایش مقاله انتخاب ویژگی برای طبقه بندی شبکه های بیزی با استفاده از نمره MDL-FS

چکیده انگلیسی

When constructing a Bayesian network classifier from data, the more or less redundant features included in a dataset may bias the classifier and as a consequence may result in a relatively poor classification accuracy. In this paper, we study the problem of selecting appropriate subsets of features for such classifiers. To this end, we propose a new definition of the concept of redundancy in noisy data. For comparing alternative classifiers, we use the Minimum Description Length for Feature Selection (MDL-FS) function that we introduced before. Our function differs from the well-known MDL function in that it captures a classifier’s conditional log-likelihood. We show that the MDL-FS function serves to identify redundancy at different levels and is able to eliminate redundant features from different types of classifier. We support our theoretical findings by comparing the feature-selection behaviours of the various functions in a practical setting. Our results indicate that the MDL-FS function is more suited to the task of feature selection than MDL as it often yields classifiers of equal or better performance with significantly fewer attributes.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.