Resumen

El escalado de características ha atraído una atención considerable durante las últimas décadas debido a su importante papel en la selección de características. En este artículo se propone un nuevo algoritmo para el aprendizaje de los factores de escala de las características. En primer lugar, asigna un factor de escala no negativo a cada característica de los datos y, a continuación, adopta una medida de rendimiento generalizada para aprender los factores de escala óptimos. Es interesante señalar que el modelo propuesto puede transformarse en un problema de optimización convexo: programación cónica de segundo orden (SOCP). Así, los factores de escala de las características en nuestro método son globalmente óptimos en cierto sentido. Se realizan varios experimentos con datos simulados, conjuntos de datos de la UCI y el conjunto de datos genéticos para demostrar que el método propuesto es más eficaz que los anteriores.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Escalado de características; algoritmo; factores de escalado; medida del rendimiento; optimización convexa; experimentos.
• Keywords:Feature scaling; algorithm; scaling factors; performance measure; convex optimization; experiments