Sélection de fonctionnalités à l'aide d'un algorithme génétique pour améliorer le classificateur SVM

Ce livre donne des algorithmes de classification tels que Support Vector Machine et Genetic Algorithm qui sont utilisés pour trouver la précision de la classification pour l'ensemble de données sur le cancer du sein du Wisconsin. L'ensemble de données de référence, l'ensemble de données sur le cancer du sein du Wisconsin, est obtenu à partir du référentiel d'apprentissage automatique de l'UCI. L'ensemble de données se compose de 699 instances divisées en 2 classes, à savoir bénigne et maligne, chacune avec 11 attributs. Les machines à vecteurs de support (SVM) sont un ensemble de méthodes d'apprentissage supervisé associées utilisées pour la classification. Un modèle de classification SVM tente de séparer les classes cibles avec la marge la plus large possible. Dans SVM, la fonction de base radiale et la fonction de noyau polynomial sont utilisées pour calculer la précision de la classification et le temps d'exécution. La sélection de caractéristiques est utilisée pour améliorer la précision du classificateur SVM. Dans GA, les algorithmes génétiques à codage entier et binaire sont également utilisés pour calculer la précision de la classification et le temps d'exécution. L'algorithme génétique à codage entier est utilisé pour sélectionner des caractéristiques importantes et pertinentes pour la classification. L'algorithme génétique codé binaire peut être appliqué à de nombreux problèmes d'optimisation qui contiennent une chaîne binaire pour les variables.

Autorentext

D. Nithya recibió la licenciatura en CSE en 2008 y la maestría en CSE en 2010 de la Universidad Avinashilingam, Coimbatore. Actualmente es profesora asistente en el Departamento de CSE, Escuela de Ingeniería, Universidad Avinashlingam, Coimbatore, India desde 2010. Actualmente está trabajando para obtener un doctorado en CSE de la Universidad Avinashiingam,