ارائه يك روش نوين فازي جهت يافتن مجموعه ويژگي ها و تأثير روش انتخاب ويژگي بر دقت و ثبات

كشف نشانگر از داده هاي با ابعاد بالا يك مشكل اساسي در برنامه هاي كاربردي زيست شناسي و پزشكي ميباشد. در اين مطالعه، چند روش انتخاب ويژگي را، از لحاظ پيشبيني و دقت امضاء توليد شده براي 4 ژن مجموعه داده بيان عمومي براي پيش آگاهي سرطان پستان مقايسه ميكنيم.مشاهدات نشان دادند كه روش انتخاب ويژگي تاثير معني داري بر ثبات و دقت تاييد دارند.همچنين مشاهدات نشان دادند كه عملكرد در روش هاي جاسازي شده و روش لفاف پيچيده به طور كلي از روشهاي انتخاب ويژگي تك متغييري و ساده بهتر نميباشد.در عمل ،يك آزمون t ساده به نظر بهترين نتايج را ارائه ميدهد.از طرفي،يكي از مشكلات اصلي يافتن بهترين ويژگي از ميان مجموعه ويژگي ها ميباشد.براي رفع اين مشكل الگوريتم پيشنهادي ما الگوريتم بيزين است.مزيت هاي اين الگوريتم اين است كه اين رويكرد به نمايندگاني كه پيش بيني احتمالي خودشان هستند نياز ندارد و ميتواند با سنجش هاي قراردادي عملكرد كار كند و همچنين فرض را بر اين نميگذارد كه داده ها در حقيقت از هر نماينده در گروه توليد شده است.از آنجاييكه مشكل يافتن بهترين ويژگي در ميان يك گروه به عنوان يادگيري PAC آگنوستيك شناخته ميشود،ما روش خود را به عنوان يادگيري آگنوستيك بيزي نام گذاري ميكنيم.