특징 선택에 대한 메타휴리스틱 알고리즘: 10년 연구에 대한 설문조사 (2009-2019)

특징 선택은 기계 학습에서 중요한 작업입니다. 성능의 정확성을 유지하면서 특징 집합의 차원을 줄이는 것이 특징 선택 문제의 주요 목표입니다. 여러 방법이 데이터셋을 분류하기 위해 개발되었습니다. 그러나 메타휴리스틱 알고리즘은 수많은 최적화 문제를 해결하는 데 큰 주목을 받았습니다. 따라서 이 논문은 10년(2009-2019) 동안 개발된 메타휴리스틱 알고리즘을 사용하여 특징 선택 문제를 해결하는 데 대한 광범위한 문헌 리뷰를 제공합니다. 또한, 메타휴리스틱 알고리즘은 그 행동에 따라 네 가지 범주로 분류됩니다. 또한 백 개 이상의 메타휴리스틱 알고리즘의 범주별 목록이 제시됩니다. 특징 선택 문제를 해결하기 위해 메타휴리스틱 알고리즘의 이진 변형만 검토되었으며, 해당 범주에 따라 자세한 설명이 제공됩니다. 특징 선택 문제를 해결하는 메타휴리스틱 알고리즘은 이진 분류, 사용된 분류기 이름, 데이터셋 및 평가 지표와 함께 제공됩니다. 논문을 검토한 후, 다양한 메타휴리스틱 알고리즘을 사용하여 최상의 특징 하위 집합을 얻는 데 있어 도전 과제와 문제도 확인됩니다. 마지막으로, 분류를 위해 메타휴리스틱 알고리즘을 개발하거나 수정하고자 하는 연구자들을 위한 몇 가지 연구 갭이 강조됩니다. 응용 사례로, UCI 리포지토리에서 채택한 데이터셋과 최적의 특징 하위 집합을 얻기 위해 여러 메타휴리스틱 알고리즘이 사용된 사례 연구가 제시됩니다.