Du er ikke logget ind
Beskrivelse
Выбор оптимальных признаков является важной областью исследований в системах добычи медицинских данных. В данном исследовании мы представляем эффективную процедуру - выбор подмножества признаков, ранжирование признаков и классификацию, называемую анализом главных компонент на основе метода JK для повышения точности обнаружения и выбора оптимального подмножества признаков. Предложенный метод регулирует параметр "охват дисперсии" и строит модель с тем значением, при котором достигается максимальная точность классификации. Это облегчает выбор компактного набора превосходных признаков при очень низких затратах. Обширное экспериментальное сравнение предложенного метода и других методов с использованием трех различных классификаторов (Na?ve Bayes (NB), многослойный перцептрон (MLP) и дерево решений J48) и 6 различных наборов медицинских данных подтверждает, что предложенная стратегия (PCA-JK) дает многообещающие результаты по отбору признаков и точности классификации для медицинской област