Irrelevant Features and the Subset Selection Problem

John, George H.; Kohavi, Ron; Pfleger, Karl

doi:10.1016/b978-1-55860-335-6.50023-4

Cited by 1,673 publications

(1,048 citation statements)

References 21 publications

Supporting

Mentioning

996

Contrasting

Unclassified

Order By: Relevance

“…A fim de trazê-las para mesma ordem de grandeza, todas variáveis foram padronizadas estatisticamente. Para selecionar as variáveis que possuem maior poder de discriminação entre as classes de solo, foi utilizado o método de seleção sequencial progressiva (Sequential Forward Selection -SFS) (JOHN et al, 1994) no software WEKA 3.5.8 (WITTEN & FRANK, 2005). …”

unclassified

Comparação de métodos para mapeamento digital de solos com utilização de sistema de informação geográfica

Coelho

Giasson

2010

Cienc. Rural

View full text Add to dashboard Cite

Palavras-chave: modelo digital de elevação, variáveisgeomorfométricas, classificação em estágio único, classificação hierárquica. ABSTRACT Soil maps are sources of important information for land planning and management, but are expensive to produce. This paper proposes testing and comparing single stage classification methods (Multiple Multinomial Logistic Regression and Bayes) and multiple stage classification methods (Classification and Regression Trees (CART), J48 and Logistic Model Trees (LMT)) using geographic information system and terrain parameters for producing soil maps with both original and simplified legend. The database was managed in ArcGis computer application in which the variables and the original INTRODUÇÃOMapas pedológicos são fontes de informações primordiais para planejamento e manejo de uso do solo. O Brasil possui grande parte de seu território coberto por mapas de solos pouco detalhados com escala de 1:1.000.000, produzidos a partir do ano de 1986 pelo projeto Radambrasil. Embora estejam disponíveis, esses dados têm escala muito pequena, não adequada para o gerenciamento municipal de propriedades rurais ou regiões de bacias hidrográficas. Mapas de solos mais detalhados, em escala maior, são escassos.Como os custos necessários para elaboração de mapas em escalas maiores são altos, métodos de mapeamento supervisionados estão sendo testados e analisados com a finalidade de produzir mapas pedológicos com baixo custo-benefício. Para LAGACHERIE & MCBRATNEY (2007), o mapeamento digital de solos se baseia na geração de sistemas de informações que permitem estabelecer relações matemáticas entre variáveis ambientais e classes de solos e, assim, predizer a distribuição espacial das classes de solos. Alguns métodos de mapeamento digital de solos já estão sendo utilizados, como regressões logísticas múltiplas multinomiais (GIASSON et al., 2006; CAMPLING et al., 2002), modelos logísticos com aplicação de componentes principais (TEN CATEN et al., 2009), redes neurais artificiais (SIRTOLI, 2008), classificação hierárquica e support vector machine (SVM) (BEHRENS & SCHOLTEN, 2007).Considerando-se que classificadores hierárquicos têm a capacidade de converter processos de decisão complexos em uma série de decisões simples (BREIMAN et al., 1984), aumentando, em geral, a acurácia dos resultados, o presente trabalho tem por objetivo comparar métodos de classificação em estágio único (CEU), como regressão logística múltipla multinomial (RLMM) e classificador de Bayes, e métodos de classificação hierárquica, como LMT (Logistic Model Trees), CART (Classification and Regression Trees) e o algoritmo J48 (também conhecido como C4.5), para produção de mapas detalhados de solos a partir de variáveis geomorfométricas de uma área de referência com utilização de legenda original e simplificada. (RABUS et al., 2003). No aplicativo computacional ArcGis 9.2 (ESRI, 2006), foram geradas sete variáveis geomorfométricas: a) declividade, b) curvatura planar, c) perfil de curvatura, d) curvatura (combinação entre curvatura pla...

show abstract

unclassified

Comparação de métodos para mapeamento digital de solos com utilização de sistema de informação geográfica

Coelho

Giasson

2010

Cienc. Rural

View full text Add to dashboard Cite

show abstract

“…In general, selected features induce better decision trees than original features. For CorrAl (John, Kohavi and P eger 1994), Bupa, and Abalone, both tree size and error rate are reduced after feature selection. Without feature selection the decision tree for CorrAl picks the correlated feature C as the root.…”

Section: Methodsmentioning

confidence: 99%

Selecting Features by Vertical Compactness of Data

Sundaresh

1998

Feature Extraction, Construction and Selection

View full text Add to dashboard Cite

Feature selection is a data preprocessing step for classi cation and data mining tasks. Traditionally, feature selection is done by selecting a minimum number of features that determine the class label, i.e., by the horizontal compactness of data. In this paper, we propose a new selection criterion that aims at the vertical compactness of data. In particular, we select a subset of features that yields the least number of projected instances while determining the class label. A hybrid search that is partially DFS and partially BFS is proposed to exploit the pruning potential of the problem. We compare the result induced by C4.5 before and after the feature selection.

show abstract

“…The filter schemes are independent of the induction algorithm. In scheme (3), the relationship is taken the other way around: it is the FSA that uses the learning algorithm as a subroutine (John et al, 1994). It employs a search through the space of feature subsets using the estimated accuracy from an induction algorithm as the measure of goodness for a particular feature subset.…”

Section: Feature Selectionmentioning

confidence: 99%