בחירת תכונה היא צעד חשוב ללמידה ללא פיקוח לשיפור ביצועי המודל ולהפחית את המורכבות.בניגוד למידה בפיקוח, היא אינה מסתמכת על נתונים מתוייגים, מה שהופך את התהליך מאתגר יותר. מאמר זה חוקר טכניקות ואסטרטגיות נפוצות המשמשות לבחירה תכונה בהגדרות לא מבוססות.

שיטות לבחירה לא מבוססת

שיטות רבות משמשות לזיהוי תכונות רלוונטיות ללא נתונים מתוייגים.טכניקות אלה להתמקד במדידת התכונות הפנימיות של תכונות ומערכות היחסים שלהם בתוך הנתונים.

המונחים: Threshold

שיטה זו מסירת תכונות עם שוניות נמוכות על פני דגימות, בהנחה כי תכונות עם מעט וריאציות הם פחות אינפורמטיבי.

בחירה מבוססת-Clustering-based Selection

תכונות מוערכות על בסיס התרומה שלהם לתוצאות איסוף.תכונות לשיפור הפרדת אשכול נשמרות.

אסטרטגיות לבחירה יעילה

יישום בחירת תכונה דורש תכנון אסטרטגי כדי להבטיח תוצאות משמעותיות.שלב טכניקות מרובות לעתים קרובות מניב תוצאות טובות יותר.

הפחתה של מימדי

שיטות כמו ניתוח Component Analysis (PCA) להפחית את מספר התכונות תוך שמירה על רוב השחלות של הנתונים, סיוע בבחירת תכונה.

בחירה מקצועית

הסרת או הוספת תכונות המבוססות על ביצועי איסוף מסייע לזהות את התכונות הרלוונטיות ביותר עבור תחילת הנתונים.

  • חשיבות תכונה
  • שימוש בטכניקות מרובות
  • המונחים: metrics
  • הפחתה של