文献

J-GLOBAL ID：202002245147302511   整理番号：20A0144560

関連特徴を検出するための教師付き特徴選択のためのクラスタリングの使用【JST・京大機械翻訳】

Using Clustering for Supervised Feature Selection to Detect Relevant Features

著者 (2件)： Lohrmann Christoph (LUT University, Lappeenranta, Finland) ,  Luukka Pasi (LUT University, Lappeenranta, Finland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11943  ページ： 272-283  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 機械学習における多くの応用において,大量の特徴と情報が利用可能であるが,これらは低品質である。COLDと呼ばれる分類のための特徴選択のための新しいフィルタ法を提示し,データの次元を低減するためにクラス毎のクラスタリングを用いた。このアプローチの背後にあるアイデアは,関連する特徴が特徴の集合から取り除かれるならば,異なるクラスに属するクラスタの分離が悪化することである。COLDがいくつかの一般的なフィルタ法と比較される4つの人工例と2つの実世界データセットを提示した。人工例では,COLDのみがクラスの分離への寄与に従って特徴を一貫してランク付けできる。現実世界のDermatologyとArrhythmiaデータセットに対して,COLDは多数の特徴を除去し,分類精度を改善する能力を示すか,あるいは最小では性能を大幅に劣化させない。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  次元縮小 ,  *クラスタ ,  *特徴選択 ,  品質 ,  等級づけ ,  *クラスタ化 ,  機械学習 ,  慢性閉塞性肺疾患
準シソーラス用語： 分類精度 , 【Automatic Indexing@JST】

著者キーワード (6件)： 特徴選択 ,  次元縮小 ,  クラスタリング ,  分類 ,  フィルタ法 ,  機械学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 教師 ,  特徴選択 ,  クラスタリング