Feature Selection Using Typical ε: Testors, Working on Dynamical Data

Abstract

Abstract. Typical ε:testors are useful to do feature selection in supervised classification problems with mixed incomplete data, where similarity function is not the total coincidence, but it is a one threshold function. In this kind of problems, modifications on the training matrix can appear very frequently. Any modification of the training matrix can change the set of all typical ε:testors, so this set must be recomputed after each modification. But, complexity of algorithms for calculating all typical ε:testors of a training matrix is too high. In this paper we analyze how the set of all typical ε:testors changes after modifications. An alternative method to calculate all typical ε:testors of the modified training matrix is exposed. The new method's complexity is analyzed and some experimental results are shown.

Análisis de Células Cancerígenas Aplicando la Teoría de Testores Típicos

“…El término de testor fue introducido a los problemas de Reconocimiento de Patrones por Zhuravlev en la ex Unión Soviética [23]. Como idea básica se tiene que un testor es un subconjunto de características, el cual no puede confundir cualquier par de sub-descripciones de diferentes clases.…”

“…Por tanto, un testor puede definirse como: "un conjunto de características T es testor si y solo si cuando todas las características eliminadas, excepto aquellas en T, no hay algún par de sub-descripciones similares en dos clases diferentes" [23,24]. A pesar de que Zhuravlev solo hace mención de dos clases en su definición, claramente puede extenderse a n clases sin salir del concepto [25].…”

“…Dentro del conjunto de los testores se encuentran los testores típicos, los cuales según Shucloper [25], se trata de testores que cada características es esencial, esto es, si al eliminar una característica el conjunto no resulta un testor [24,25]. Formalmente es definido como: "Un conjunto de características T es un testor típico si y solo si T es un testor y no existe otro testor T 0 , el cual T 0 ⊂T" [23,24].…”

“…Al encontrar un testor típico, se consigue una irreducible combinación de características, en el cual cada característica es determinante para mantener las diferencias entre clases [23]. Volumen III, Número 3, 2016 Finalmente, el peso informacional es una herramienta que proporciona resultados tangibles [26], presentando matemáticamente la importancia de cada característica para que un objeto pertenezca a una clase o a otra [27,28].…”