A hybrid feature subset selection method based on GRASP and relief
GRASP ve relief temelli bir hibrit özellik alt kümesi seçimi
- Tez No: 830179
- Danışmanlar: DOÇ. DR. KEMAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Çeşitli alanlardaki karmaşık, yüksek boyutlu verilerin bolluğu, etkili özellik seçme stratejilerine olan ihtiyacı artırmıştır. Bu tez, en değerli özellikleri belirleyip korumak, böylece modelin yorumlanabilirliğini geliştirmek ve boyutluluk lanetiyle mücadele etmek için yenilikçi bir hibrit Özellik Alt Kümesi Seçimi tekniği önermektedir. Yöntemimiz, metasezgisel algoritma Açgözlü Rastgele Uyarlanabilir Arama Prosedürü (GRASP) ile saygın bir özellik filtreleme algoritması Relief'i açıkça birleştirerek, filtre tekniklerinin hesaplama verimliliğini ve sarma yöntemlerinin kesinliğini benzersiz bir şekilde birleştirir. Süreç, özellik kombinasyonlarının kapsamlı bir şekilde araştırılmasıyla başlar ve ardından Relief'in üstün performans sergilediği çeşitli filtre teknikleri uygulanır. Ek olarak Relief, GRASP'ın inşaat ve iyileştirme aşamalarına entegre edildi. Deneyler, K-En Yakın Komşular puanlarının ve süresinin ortalama 30 kez kontrol edilmesiyle gerçekleştirilir. Sonuçlar, model performansını önemli ölçüde artıran ve yüksek boyutlu veri kümelerinde verimli özellik seçimi için filtre ve sarmalayıcı yöntemleri entegre etme potansiyelini ortaya koyan hibrit yaklaşımın gücünün altını çiziyor. Bu katkı, özellik seçimine ayrılan süreyi en aza indirirken makine öğrenimi modelinin doğruluğunu en üst düzeye çıkarmamıza olanak tanır.
Özet (Çeviri)
The abundance of complex, high-dimensional data in various fields has amplified the necessity for effective feature selection strategies. This thesis proposes an innovative hybrid Feature Subset Selection technique to identify and retain the most valuable features, thereby enhancing model interpretability and combating the curse of dimensionality. Our method uniquely merges the computational efficiency of filter techniques and the precision of wrapper methods, explicitly combining the metaheuristic algorithm Greedy Randomized Adaptive Search Procedure (GRASP) and a reputable feature filtering algorithm Relief. The process initiates with a comprehensive exploration of feature combinations, subsequently applying various filter techniques, amongst which Relief exhibited superior performance. Additionally, Relief was integrated into the construction and improvement stages of GRASP. Experiments are conducted by checking the average 30 runs of K-Nearest Neighbors scores and time. The results underscore the potency of the hybrid approach, significantly improving model performance and demonstrating the potential of integrating filter and wrapper methods for efficient feature selection in high-dimensional datasets. This contribution allows us to maximize the accuracy of the machine-learning model while minimizing the time dedicated to feature selection.
Benzer Tezler
- Etkin sınıflandırma için genetik algoritma tabanlı öznitelik alt küme seçimi
Feature subset selection method for an effective classification based on genetic algorithm
SHİMA AFZALİ VAHED MOGHADDAM
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. OKTAY YILDIZ
- Meta-analysis of microRNA and gene selection using machine learning
Makine öğrenmesi kullanarak microRNA meta-analizi ve gen seçimi
ELNAZ PASHAEI
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- Görünüş tabanlı yüz tanıma yöntemlerinde verimliliği artırmak için öznitelik seçimi
Feature selection to improve efficiency in appearance based face recognition method
DERYA ALTINTOP
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CELAL ÖZTÜRK
- Medikal veri setleri için JAYA algoritması tabanlı öznitelik seçimi
Feature selection based on JAYA algorithm for medical datasets
MOHAMMAD KARRARI MOGHANJOUGHI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRCAN YAVUZ
- Incipient fault detection in wind turbines
Rüzgar türbinlerinde gelişmekte olan hata öngörüsü
AYŞE GÖKÇEN KAVAZ TAŞKINER
Doktora
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU