مروری بر الگوریتم تکاملی چند هدفه برای تولید نمونه اولیه

تولید نمونه اولیه با مساله ایجاد مجموعه کوچکی از نمونه‌ها، از مجموعه داده بزرگ، که برای طبقه‌بندی مورد استفاده قرار می‌گیرد، سر‌و‌کار دارد. دو جنبه کلیدی که در هنگام توسعه یک روش تولید نمونه اولیه در نظر گرفته می‌شوند عبارتند از: (1)عملکرد تعمیم یک طبقه‌بندی کننده knn هنگامی که از نمونه‌های اولیه استفاده می‌کند؛ و (2)مقدار کاهش داده، همانطور که توسط تعداد نمونه‌های اولیه مشخص شد. هر دو عامل در تعارض هستند زیرا به‌طور کلی، به حداکثر رساندن کاهش تنظیم داده‌ها دلالت بر کاهش دقت و عدم قطعیت دارد. بنابراین، این مساله را می‌توان به طور طبیعی با تکنیک‌های بهینه‌سازی چند هدفه بیان کرد. این مقاله یک الگوریتم تکاملی چند هدفه جدید برای تولید نمونه اولیه معرفی می‌کند که در آن اهداف دقیقا میزان کاهش و برآورد عملکرد تعمیم داده شده توسط نمونه‌های اولیه انتخاب شده هستند.