Resumen

La selección de características desempeña un papel importante en el aprendizaje automático y la minería de datos. En los últimos años, se han propuesto varias medidas de características para seleccionar características significativas de conjuntos de datos de alta dimensión. Sin embargo, la mayoría de los métodos tradicionales de selección de características ignoran algunas características que tienen una gran capacidad de clasificación como grupo, pero que son débiles como individuos. Para hacer frente a este problema, redefinimos la redundancia, la interdependencia y la independencia de las características utilizando la entropía de vecindad. A continuación, se propone la contribución de características basada en la entropía de vecindad en el marco del juego cooperativo. Los criterios de evaluación de las características pueden formalizarse como el producto de la contribución y otras medidas clásicas de las características. Por último, el método propuesto se pone a prueba en varios conjuntos de datos de la UCI. Los resultados muestran que el modelo de teoría de juegos cooperativos basado en la entropía del vecindario (NECGT) ofrece un mejor rendimiento que los clásicos.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:productos de las contribuciones, vecindad, independencia de las características, características basadas en las contribuciones, varios conjuntos de datos de la uci, modelo de teoría de juegos, métodos de selección de características, criterios de las características, capacidad de clasificación fuerte, medidas de características clásicas
• Keywords:products of contributions, neighborhood, independence of features, based features contributions, several uci datasets, games theory model, features selection methods, criteria of features, strong classification ability, classical features measures