论柔性预测中属性的无关性
人工智能
2020-05-26 v1
摘要
本文分析通过称为“柔性预测”的增量概念形成方法所获得的概念层次的性质，以确定对于有意义的概念层次可要求参与属性的何种“相关性”。研究了简单与组合属性的选择、缩放、各体属性分布及其间相关强度的影响。矛盾的是，与其他属性弱相关和强相关的属性均对整体分类有恶化影响。派生属性的恰当构建以及各体属性缩放的选择强烈影响所获得的概念层次。属性分布密度似乎对分类影响较弱。似乎概念层次（分类法）反映了数据与我们对于数据某种客观真相的兴趣之间的折中。为获得更适于特定目的的分类，建议打破属性间的对称性（将其分为依赖与独立，并对其贡献应用不同评价公式）。连续与离散变量均被考虑。文中考量了针对前者的若干方法。
引用
@article{arxiv.2005.11979,
title = {On Irrelevance of Attributes in Flexible Prediction},
author = {Mieczyslaw A. Klopotek and Andrzej Matuszewski},
journal= {arXiv preprint arXiv:2005.11979},
year = {2020}
}