Sélection de caractéristiques via la programmation mathématique

Le problème de discrimination entre deux ensembles de points finis dans un espace de caractéristiques n-dimensionnel par un plan séparateur qui utilise le moins de caractéristiques possible est formulé comme un programme mathématique avec une fonction objective paramétrique et des contraintes linéaires. La fonction échelon qui apparaît dans la fonction objective peut être approximée par une fonction sigmoïde ou par une exponentielle concave sur la ligne réelle non négative, ou elle peut être traitée exactement en considérant le programme linéaire équivalent avec des contraintes d'équilibre. Des tests computationnels de ces trois approches sur des bases de données du monde réel disponibles publiquement ont été réalisés et comparés avec une adaptation de la méthode de dommage cérébral optimal pour réduire la complexité des réseaux de neurones. Un algorithme de sélection de caractéristiques via la minimisation concave a réduit l'erreur de validation croisée sur une base de données de pronostic du cancer de 35,4 % tout en réduisant le nombre de caractéristiques du problème de 32 à 4.