Key points are not available for this paper at this time.
تتناول هذه الورقة مشكلة اختيار الميزات لتصنيف البيانات في ظل وجود عدد ضخم من الميزات غير ذات الصلة. نقترح خوارزمية جديدة لاختيار الميزات تعالج عدة قضايا رئيسية في الأعمال السابقة، بما في ذلك مشكلات تنفيذ الخوارزميات، وتعقيد الحسابات، ودقة الحلول. الفكرة الرئيسية هي تفكيك مشكلة غير خطية معقدة عشوائيًا إلى مجموعة من المشاكل الخطية محليًا من خلال التعلم المحلي، ثم تعلم مدى أهمية الميزات بشكل عالمي ضمن إطار الهامش الكبير. تعتمد الخوارزمية المقترحة على تقنيات معروفة في التعلم الآلي والتحليل العددي، دون افتراض أي افتراضات حول توزيع البيانات الأساسية. إنها قادرة على معالجة آلاف الميزات في غضون بضع دقائق على حاسوب شخصي مع الحفاظ على دقة عالية جدًا مقاومة تقريبًا لزيادة عدد الميزات غير ذات الصلة. تشير التحليلات النظرية لتقنية العينة الخاصة بالخوارزمية إلى أن لدى الخوارزمية تعقيد عينة لوغاريتمي بالنسبة لعدد الميزات. تظهر التجارب على 11 مجموعة بيانات صناعية وواقعية جدوى صياغتنا لمشكلة اختيار الميزات للتعلم المشرف وفعالية خوارزميتنا.
دراسة سون وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: