Raqamli texnologiyalarning Yangi O‘zbekiston rivojiga ta’siri

ПРОСТРАНСТВА В ЗАДАЧАХ КЛАССИФИКАЦИИ
 
Х.Ш. Рашидов
 
НИИ Цифровых технологий и искусственного интеллекта базовый докторант
Аннотация: 
В статье рассматриваются вопросы формализации проблемы снижения 
размерности признакового пространства в задачах классификации данных, а также 
приведены результаты анализа наиболее известных эвристических методов выбора 
признаков. Определены дальнейшие направления исследований по созданию новых 
методов снижения размерности пространства признаков в задачах классификации.
Ключевые слова: 
Классификация данных, признаковое пространство, выбор 
признаков,
критерий информативности, оптимальный набор признаков.
При решении большинства практических задач классификации возникает 
необходимость отбора признаков из
-
за наличия в данных бесполезных и дублирующих друг 
друга признаков, приводящих к необоснованному усложнению моделей алгоритмов 
классификации. Стремление специалистов предметных областей учесть как можно больше 
характеристик и свойств изучаемых объектов приводит к появлению избыточных 
признаков, отрицательно влияющих на быстродействие алгоритмов. Поэтому проблема 
отбора признаков (
features selection
) и в настоящее время остается актуальной, о чем 
свидетельствует большое количество публикаций по этой проблеме, появляющихся в 
последние годы (например, [1,2,3]).
Снижение размерности исходного пространства признаков в задачах анализа данных 
представляет по существу переход от исходной системы признаков 
𝑥 = (𝑥
1
, 𝑥
2
, . . . , 𝑥
𝑁
)
к 
новой системе 
𝑧 = (𝑧
1
, 𝑧
2
, . . . , 𝑧
ℓ
)
, включающей меньшее число признаков 
(ℓ < 𝑁)
, чем 
исходная система. Обычно новые признаки формируются в виде функций от исходных 
признаков, т.е. 
𝑧 = 𝐹(𝑥)
, путем решения оптимизационной задачи. Последняя заключается в 
нахождении такой системы признаков 
𝑧
, при которой 
𝐼(𝑧̃) = 𝑚𝑎𝑥
𝐹∈𝛺
{𝐼(𝑧)}.
(1) 
Здесь 
𝐼(𝑧) − 
заданная мера информативности 
ℓ
-
мерной системы признаков 
𝑧
, а 
𝐹 −
класс допустимых преобразований исходных признаков 
𝑥
1
, 𝑥
2
, … , 𝑥
𝑁
, 
который в общем 
случае может быть представлен одним из следующих типов преобразований: линейный, 
нелинейный, дискретный, непрерывный, логический. Следует отметить, что конкретный 

---

248