ExperimentsTwelve standard datasets

Experiments
Twelve standard datasets drawn from the UCI collection
(Merz and Murphy, 1996) were used in the experiments:
they are summarised in Table 1. These datasets
were chosen because of the prevalence of nominal features
and their predominance in the literature. Three
of the datasets (australian, lymphography, and horsecolic)
contain a few continuous features; the rest contain
only nominal features.
Fifty runs were done for each machine learning algorithm
on each dataset with features selected by CFS
and by the wrapper. In each run, a dataset was randomly
split into a training and testing set (sizes given in
Table 1). CFS and the wrapper were applied in turn to
the full training set to select features. Separate training
and testing sets consisting of features selected by CFS
and features selected by the wrapper were created and
each machine learning algorithm was applied to these
dimensionally reduced datasets.

ผลลัพธ์ (ไทย) 1:

ทดลอง12 มาตรฐาน datasets ออกจากคอลเลกชัน UCI(Merz และเมอร์ฟี่ 1996) ใช้ในการทดลอง:พวกเขากำลัง summarised ในตารางที่ 1 Datasets เหล่านี้ถูกเลือกเนื่องจากความชุกของคุณลักษณะที่ระบุและความเด่นในวรรณคดี สามของ datasets (ออสเตรเลีย lymphography และ horsecolic)ประกอบด้วยลักษณะต่อเนื่องกี่ ส่วนเหลือประกอบด้วยเพียงระบุคุณสมบัติทำสำหรับแต่ละเครื่องจักรเรียนรู้อัลกอริทึมทำงาน 50ในแต่ละชุดข้อมูลมีคุณสมบัติที่เลือก โดย CFSและที่กระดาษห่อนั้น ในแต่ละรัน การชุดข้อมูลแบบสุ่มได้แบ่งการฝึกอบรม และทดสอบตั้งค่า (ในขนาดตาราง 1) CFS และกระดาษห่อที่ใช้ในการฝึกอบรมเต็มรูปแบบเพื่อเลือกลักษณะการทำงานได้ แยกการฝึกอบรมและทดสอบชุดประกอบด้วยคุณลักษณะที่เลือก โดย CFSและสร้างคุณลักษณะที่เลือก โดยที่กระดาษห่อ และขั้นตอนวิธีการเรียนรู้แต่ละเครื่องใช้ไปdatasets ลดมิติ

ผลลัพธ์ (ไทย) 3:

การทดลอง
12 มาตรฐานข้อมูลที่ดึงจาก UCI คอลเลกชัน
( เมิร์ส และเมอร์ฟี่ , 1996 ) ถูกใช้ในการทดลอง :
พวกเขาสรุปในตารางที่ 1 ข้อมูลเหล่านี้
ถูกเลือกเนื่องจากส่วนของชื่อและคุณสมบัติเด่นของ
วรรณกรรม 3
ของข้อมูล ( ออสเตรเลีย lymphography และ horsecolic )
ประกอบด้วยคุณลักษณะอย่างต่อเนื่องไม่กี่ ; ส่วนที่เหลือประกอบด้วย
คุณลักษณะเฉพาะตราสาร .
50 วิ่งเสร็จแต่ละอัลกอริทึม
ในแต่ละชุดข้อมูลที่มีคุณลักษณะที่เลือกโดย CFS
และด้วยกระดาษห่อ ในแต่ละรัน , ข้อมูลสุ่ม
แบ่งออกเป็นการฝึกอบรมและชุดทดลอง ( ขนาดให้
ตารางที่ 1 ) CFS และเสื้อคลุมที่ใช้ในการเปิด

เต็มชุดฝึกอบรมเพื่อเลือกคุณสมบัติ
ฝึกแยกและชุดทดสอบประกอบด้วยคุณลักษณะที่เลือกโดย CFS
และคุณลักษณะที่เลือกโดยห่อสร้างและใช้ขั้นตอนวิธีการเรียนรู้แต่ละเครื่อง

มิติเหล่านี้ลดลง ชุดข้อมูล