Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Correlation-based Feature Ranking in Combination with Embedded Feature Selection

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F09%3A00159293" target="_blank" >RIV/68407700:21230/09:00159293 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21240/09:00159293

  • Výsledek na webu

    <a href="http://iwim2009.felk.cvut.cz/files/ProceedingsIWIM09.pdf" target="_blank" >http://iwim2009.felk.cvut.cz/files/ProceedingsIWIM09.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Correlation-based Feature Ranking in Combination with Embedded Feature Selection

  • Popis výsledku v původním jazyce

    Most of Feature Ranking and Feature Selection approaches can be used for categorial data only. In this paper we present new methods for feature ranking and selection obtained as a combination of the above mentioned approaches. The data mining algorithm (GAME) is designed for numerical data, but it can be applied to categorial data as well. It incorporates feature selection mechanisms and new methods, proposed in this paper, derive feature ranking from final data mining model. The rank of each feature selected by model is computed by processing correlations of outputs between neighboring model's neurons in different ways. We used four different methods based on fuzzy logic, certainty factors and simple calculus. The performance of these four feature ranking methods was tested on artificial data sets and on well known real world data sets. These methods produce ranking consistent with recently published studies.

  • Název v anglickém jazyce

    Correlation-based Feature Ranking in Combination with Embedded Feature Selection

  • Popis výsledku anglicky

    Most of Feature Ranking and Feature Selection approaches can be used for categorial data only. In this paper we present new methods for feature ranking and selection obtained as a combination of the above mentioned approaches. The data mining algorithm (GAME) is designed for numerical data, but it can be applied to categorial data as well. It incorporates feature selection mechanisms and new methods, proposed in this paper, derive feature ranking from final data mining model. The rank of each feature selected by model is computed by processing correlations of outputs between neighboring model's neurons in different ways. We used four different methods based on fuzzy logic, certainty factors and simple calculus. The performance of these four feature ranking methods was tested on artificial data sets and on well known real world data sets. These methods produce ranking consistent with recently published studies.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/KJB201210701" target="_blank" >KJB201210701: Automatická extrakce znalostí</a><br>

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2009

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů