独立二值特征的预筛选：在羊痒病诊断中的应用
人工智能
2012-07-19 v1 计算工程、金融与科学
摘要
假设在多类问题中，唯一可用的信息是专家对一组二值特征出现条件概率的估计。目标是选择一个特征子集，用于后续的数据收集实验。在缺乏关于特征间依赖关系的任何信息的情况下，我们假设所有特征条件独立，因此选择朴素贝叶斯 (Naive Bayes) 分类器作为该问题的最优分类器。即使在这种（看似微不足道的）完全知晓分布的情况下，选择最优特征子集也非易事。我们讨论了序列前向选择 (Sequential Forward Selection, SFS) 作为当前问题特征选择程序的性质和实现细节。进行了敏感性分析，以调查当概率在估计值附近变化时，是否会选择相同的特征。该程序通过一组关于羊痒病 (Scrapie) 的概率估计进行了说明。
引用
@article{arxiv.1207.4141,
title = {Pre-Selection of Independent Binary Features: An Application to Diagnosing Scrapie in Sheep},
author = {Ludmila Kuncheva and C. Whitaker and P. Cockcroft and Z. S. Hoare},
journal= {arXiv preprint arXiv:1207.4141},
year = {2012}
}
备注
Appears in Proceedings of the Twentieth Conference on Uncertainty in Artificial Intelligence (UAI2004)