Identifying the most informative variables for decision-making problems – a survey of recent approaches and accompanying problems

0313818 - ÚTIA 2009 RIV CZ eng J - Journal Article
Pudil, Pavel - Somol, Petr
Identifying the most informative variables for decision-making problems – a survey of recent approaches and accompanying problems.
[Identifikace nejinformativnějších proměnných pro problémy rozhodovacího typu – přehled současných postupů a problémů.]
Acta Oeconomica Pragensia. Roč. 16, č. 4 (2008), s. 37-55. ISSN 0572-3043
R&D Projects: GA MŠMT 1M0572
Grant - others:GA MŠk(CZ) 2C06019
Institutional research plan: CEZ:AV0Z10750506
Keywords : variable selection * decision making
Subject RIV: BD - Theory of Information
http://library.utia.cas.cz/separaty/2008/RO/pudil-identifying%20the%20most%20informative%20variables%20for%20decision-making%20problems%20a%20survey%20of%20recent%20approaches%20and%20accompanying%20problems.pdf

We give an overview of problems related to variable selection (also known as feature selection) techniques in decision-making problems based on machine learning with particular emphasis to recent knowledge. Several popular methods are reviewed and assigned to a taxonomical context. Issues related to the generalization versus performance trade-off inherent to currently used variable selection approaches are addressed and illustrated on realworld examples.

Článek podává přehled problémů souvisejících s vyhledáváním proměnných (výběru příznaků) pro rozhodování založené na metodách strojového učení, a to s ohledem na aktuální stav problematiky. Je porovnáno několik populárních metod a zařazeno do taxonomického kontextu. Rovněž je diskutován problém protichůdnosti požadovaných vlastností příslušných metod – na schopnost zobecňovat a schopnost efektivní optimalizace. Problém je ilustrován pomocí experimentů na reálných datech.
Permanent Link: http://hdl.handle.net/11104/0164526