روشی جدید در انتخاب ویژگی براساس الگوریتم بهینه سازی جریان های آب

انتخاب ویژگی به عنوان مسئله ای باینری از مراحل مهم در پیش پردازش یادگیری ماشین محسوب می شود. به کارگیری این مسئله در بهینه-سازی مجموعه داده هایی با ابعاد بالا بسیار ضروری است. انتخاب زیرمجموعه ویژگی های بهینه با روش های دقیق از پیچیده ترین کارهاست. در سال های اخیر ثابت شده است که الگوریتم های فراابتکاری الهام گرفته شده از طبیعت برای حل این دسته از مسائل بسیار کارآمد خواهد بود و باعث بهبود عملکرد مسائل داده کاوی و یادگیری ماشین می شوند. در این مقاله، روند انتخاب ویژگی با استفاده از الگوریتم باینری جریان های آب بررسی شده است. برای ارزیابی روش پیشنهادی، 6 مجموعه داده از مخزن uci با الگوریتم باینری جریان های آب، بهینه سازی می شوند. نتایج به دست آمده از این روش، قابلیت های الگوریتمbwsto را در جستجوی فضای ویژگی برای انتخاب ویژگی های بهینه و حذف ویژگی های زائد نشان می دهد.