Resumen: En este documento, proponemos HCVR (enfoque híbrido con reglas de votación conscientes de la correlación), un método de selección de características basado en reglas liviano que combina las correlaciones de parámetros a parámetro (P2P) y parámetro a objetivo (P2T) para eliminar las características redundantes y retener las relevantes. Este método es un híbrido de enfoques de filtrado no iterativos e iterativos para la reducción de dimensionalidad. Es un método codicioso, que funciona mediante la eliminación hacia atrás, eliminando posiblemente múltiples características en cada paso. Las reglas contribuyen a votar por las características, y la mayoría de la mayoría toman una decisión de mantener o descartar. Las reglas hacen uso de los umbrales de correlación entre cada par de características, y entre las características y el objetivo. Proporcionamos los resultados de la aplicación de HCVR al conjunto de datos Spambase. Los resultados mostraron un rendimiento de mejora en comparación con las técnicas tradicionales no iterativas (CFS, MRMR y MI) y iterativo (RFE, SFS y algoritmo genético). La efectividad se evaluó en función del rendimiento de diferentes clasificadores después de aplicar el filtrado.
Publicado Originalme en export.arxiv.org El 3 de julio de 2025.
Ver Fuente Original
