Resumen

La clasificación de datos médicos multidimensionales ha recibido recientemente una mayor atención por parte de investigadores que trabajan en aprendizaje automático y minería de datos. En un conjunto de datos multidimensional (MDD), cada instancia está asociada con múltiples valores de clase. Debido a su naturaleza compleja, la selección de características y el clasificador construido a partir del MDD suelen ser más costosos o llevar más tiempo. Por lo tanto, necesitamos una técnica robusta de selección de características para seleccionar el subconjunto óptimo de características del MDD para un análisis posterior o para diseñar un clasificador. En este artículo, se propone un algoritmo eficiente de selección de características para la clasificación de MDD. El algoritmo propuesto de selección de subconjuntos de características multidimensionales (MFSS) produce un subconjunto de características único para un análisis posterior o para construir un clasificador y tiene una ventaja computacional en comparación con los algoritmos de selección de características existentes en MDD. El trabajo propuesto se aplica a conjuntos de datos multidimensionales de referencia.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Clasificación de datos médicos; Aprendizaje automático; Conjunto de datos multidimensional; Selección de características; Clasificador; Algoritmo
• Keywords:Medical data classification; Machine learning; Multidimensional dataset; Feature selection; Classifier; Algorithm