用于医学数据特征选择的二进制正弦余弦算法
机器学习
2019-11-19 v1 神经与进化计算
机器学习
摘要
一个构建良好的分类模型高度依赖于数据集中的输入特征子集，而该子集可能包含冗余、无关或噪声特征。在处理医学数据集时，这一挑战可能更为严重。特征选择作为预处理任务的主要目标是消除这些特征并选择最有效的特征。在文献中，元启发式算法在寻找最优特征子集方面表现出成功性能。本文提出两种名为 S 形二进制正弦余弦算法（SBSCA）和 V 形二进制正弦余弦算法（VBSCA）的二进制元启发式算法，用于医学数据的特征选择。在这些算法中，搜索空间保持连续，而二进制位置向量由 S 形和 V 形两种转移函数为每个解生成。所提算法在来自 UCI 仓库的五个医学数据集上与四种最新二进制优化算法进行比较。实验结果证实，与其他四种算法相比，使用两种 bSCA 变体均提升了这些医学数据集上的分类准确率。
引用
@article{arxiv.1911.07805,
title = {Binary Sine Cosine Algorithms for Feature Selection from Medical Data},
author = {Shokooh Taghian and Mohammad H. Nadimi-Shahraki},
journal= {arXiv preprint arXiv:1911.07805},
year = {2019}
}