Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/432| Método de selección de atributos por clase | |
| BARBARA BERENICE PINEDA BAUTISTA | |
| JESUS ARIEL CARRAZCO OCHOA JOSE FRANCISCO MARTINEZ TRINIDAD | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Supervised learning Pattern recognition Feature selection Pattern classification | |
| In many domains it is required to solve classification problems where the objects
of study are described with a large number of features, many of which can
be redundant and/or irrelevant. In order to improve the quality in classification
it is necessary to eliminate this kind of features. Feature selection has been
widely used for the elimination of redundant and/or irrelevant features. There
are two types for feature selection:
1. Feature selection for all classes.
2. Feature selection by class.
Feature selection by class emerges with the idea that each class of a classification
problem may have different properties and it should be described by a
different feature subset. In this thesis a method of feature selection by class.
The proposed method allows, by applying the one-against-all class binarization
technique, the use of conventional feature selectors. Because supervised
classifiers do not allow using a different feature subset for each class, it is also
proposed to use a classifier ensemble and a new strategy decision for taking
advantage of feature selection by class. The experimental results showed that
in most cases the classification accuracy is improved when feature selection
by class is used, compared against feature selection for all classes or without
feature selection. En muchos dominios se requiere resolver problemas de clasificación donde los objetos de estudio están descritos con una gran cantidad de atributos, muchos de los cuales pueden ser atributos redundantes y/o irrelevantes, con el objetivo de mejorar la calidad de clasificación es conveniente eliminar este tipo de atributos. La selección de atributos ha sido ampliamente utilizada para la eliminación de atributos redundantes y/o irrelevantes y puede realizarse de 2 maneras: 1. Selección de atributos para todas las clases. 2. Selección de atributos por clase. La selección de atributos por clase surge con la idea de que cada clase de un problema de clasificación puede exhibir propiedades diferentes y por lo tanto, ser descrita mejor por un subconjunto diferente de atributos. En esta tesis, se propone un método de selección de atributos por clase. El método propuesto para la selección de atributos por clase permite, aplicando la técnica de binarización uno-contra-todos, utilizar los selectores de atributos que realizan una selección de atributos para todas las clases. Además, debido a que los clasificadores supervisados no permiten un subconjunto de atributos diferente para cada clase, se propone utilizar la selección de atributos por clase mediante un ensamble de clasificadores y una estrategia de decisión para clasificar nuevos objetos. Los resultados experimentales muestran que en la mayoría de los casos se mejora la calidad de clasificación cuando se realiza selección de atributos por clase comparado con la selección de atributos para todas las clases o con la opción de no hacer selección de atributos. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2009 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Pineda-Bautista B.B. | |
| CIENCIA DE LOS ORDENADORES | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Ciencias Computacionales |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| PinedaBBB.pdf | 913.32 kB | Adobe PDF | Visualizar/Abrir |