Resumen

Los bosques aleatorios (RFs) han sido ampliamente utilizados como un poderoso método de clasificación. Sin embargo, con la aleatorización tanto en las muestras de embolsado como en la selección de características, los árboles en el bosque tienden a seleccionar características no informativas para la división de nodos. Esto hace que los RFs tengan una baja precisión al trabajar con datos de alta dimensión. Además de eso, los RFs tienen sesgo en el proceso de selección de características donde se favorecen las características multivaluadas. Con el objetivo de des sesgar la selección de características en los RFs, proponemos un nuevo algoritmo de RF, llamado xRF, para seleccionar buenas características en el aprendizaje de RFs para datos de alta dimensión. Primero eliminamos las características no informativas usando una evaluación de p-valor, y el subconjunto de características no sesgadas se selecciona luego en base a algunas medidas estadísticas. Este subconjunto de características se divide en dos subconjuntos. Se utiliza una técnica de muestreo de ponderación de características para muest

• 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:Bosques aleatorios; Método de clasificación; Selección de características; Datos de alta dimensionalidad; Algoritmo xRF; Des sesgo; Dimensionalidad; Medidas de AUC; División de nodos; Sesgo; Características multivaluadas; Muestreo de ponderación de características; Precisión; Características no informativas; Subconjunto; Medidas estadísticas; Resultados experimentales; Conjuntos de datos de imágenes
• Keywords:Random forests; Classification method; Feature selection; High-dimensional data; XRF algorithm; Debiasing; Dimensionality; AUC measures; Node splitting; Bias; Multivalued features; Feature weighting sampling; Accuracy; Uninformative features; Subset; Statistical measures; Experimental results; Image datasets