Applying CFS to Machine LearningPro

Applying CFS to Machine Learning
Problems
Figure 1 shows the stages of the CFS algorithm and
how it is used in conjunction with a machine learning
algorithm. A copy of the training data is ¯rst discretized
using the method of Fayyad and Irani (1993),
then passed to CFS. CFS calculates feature-class and
feature-feature correlations using symmetrical uncertainty
and then searches the feature subset space. The
subset with the highest merit (as measured by Equation
1) found during the search is used to reduce the
dimensionality of both the original training data and
the testing data. Both reduced datasets may then be
passed to a machine learning algorithm for training and
testing.

ผลลัพธ์ (ไทย) 1:

ใช้ CFS เครื่องเรียนปัญหารูปที่ 1 แสดงขั้นตอนของอัลกอริทึม CFS และวิธีการใช้ร่วมกับการเรียนรู้ของเครื่องอัลกอริทึมการ สำเนาของข้อมูลการฝึกอบรมเป็น ¯rst discretizedใช้วิธีการ Fayyad และ Irani (1993),แล้ว ส่งผ่านไปยัง CFS CFS คำนวณระดับคุณลักษณะ และความสัมพันธ์ของคุณลักษณะคุณลักษณะใช้สมมาตรความไม่แน่นอนและจะ ค้นหาพื้นที่ย่อยคุณลักษณะ ที่ชุดย่อย มีบุญสูงสุด (ตามที่ประเมิน โดยสมการ1) พบในระหว่างการค้นหาจะใช้ในการลดการdimensionality ของทั้งสองเดิมข้อมูลการฝึกอบรม และข้อมูลการทดสอบ ทั้งสองลดลงแล้วอาจ datasetsผ่านไปเป็นเครื่องเรียนรู้อัลกอริทึมสำหรับการฝึกอบรม และทดสอบ

ผลลัพธ์ (ไทย) 2:

ใช้ CFS ไปยังเครื่องการเรียนรู้
ปัญหา
รูปที่ 1 แสดงขั้นตอนของอัลกอริทึม CFS และ
วิธีการที่จะใช้ร่วมกับการเรียนรู้
ขั้นตอนวิธี สำเนาของข้อมูลการฝึกอบรมเป็น discretized แรก
ใช้วิธีการ Fayyad และอิหร่านนิ (1993),
จากนั้นส่งผ่านไปยัง CFS CFS คำนวณที่มีคุณลักษณะการเรียนและ
ความสัมพันธ์ที่มีลักษณะการทำงานโดยใช้ความไม่แน่นอนสมมาตร
แล้วค้นหาพื้นที่ย่อยคุณลักษณะ
กลุ่มย่อยที่มีบุญมากที่สุด (วัดจากสมการ
1) ที่พบในระหว่างการค้นหาจะใช้ในการลด
มิติของทั้งข้อมูลการฝึกอบรมเดิมและ
ข้อมูลการทดสอบ ทั้งชุดข้อมูลที่ลดลงนั้นอาจจะ
ส่งผ่านไปยังขั้นตอนวิธีการเรียนรู้การฝึกอบรมและ
การทดสอบ

ผลลัพธ์ (ไทย) 3:

การใช้โฆษณาเพื่อการเรียนรู้เครื่องปัญหา

รูปที่ 1 แสดงขั้นตอนของ CFS ขั้นตอนวิธีและ
ว่ามันสามารถใช้ร่วมกับเครื่องการเรียนรู้
ขั้นตอนวิธี สำเนาของข้อมูลการฝึกอบรม
แบบจุดแรก¯โดยใช้วิธีฟาเยด และคนอิหร่าน ( 1993 ) ,
แล้วผ่านงานโฆษณา โฆษณาเรียนคำนวณคุณลักษณะและคุณสมบัติความสมมาตรความไม่แน่นอนโดยใช้คุณลักษณะ

จากนั้นค้นหาคุณลักษณะย่อยพื้นที่
ย่อยกับบุญสูงสุด ( วัดโดยสมการ
1 ) ที่พบในการใช้ลด
dimensionality ทั้งต้นฉบับและการฝึกอบรมข้อมูล
ข้อมูลการทดสอบ ข้อมูลทั้งสองลดลงอาจจะถูกส่งผ่านไปยังอัลกอริทึม

สำหรับการฝึกอบรมและการทดสอบ