Use of Circle-Segments as a Data Visualization Technique for Feature Selection in Pattern Classification

The Photothermal Stability Study of Silica-Coated Cspbbr3 Perovskite Nanocrystals

“…Hall & Smith (1999) utilized Pearson correlation and mutual information to quantify feature-label correlation and inter-feature correlation, and evaluated features based on estimated correlation. Yang & Moody (1999) used joint mutual information to tackle relevance and redundancy in a unified way. Yu & Liu (2004) formally defined relevance and redundancy, and introduced a correlation measure-based feature selection algorithm.…”

“…Feature selection is a common strategy to overcome these challenges by selecting relevant features from the original feature set and discarding noise and irrelevant features to reduce the dimensionality of the feature space Guyon & Elisseeff (2003). The benefits of feature selection include data visualization Yang & Moody (1999), overfitting prevention, and storage and computational cost reduction. The field of feature selection has advanced rapidly in the past decades, and many algorithms have been developed and applied in various domains Guyon & Elisseeff (2003); Cai et al (2018); Li et al (2018).…”

“…Information theoretic methods quantify the informativeness of features using tools originating from information theory, such as mutual information Lewis (1992); Battiti (1994); Yang & Moody (1999); Fleuret (2004); Hanchuan Peng et al (2005); Meyer & Bontempi (2006); Meyer et al (2008); Estevez et al (2009); Brown et al (2012). Both statistical correlation and mutual information based criteria can be seen as measures of correlation between variables.…”

StrataVis : une technique de visualisation graphique orientée modèle

“…Ces derniers, déjà multiséculaires, mis en oeuvre notamment par Florence Nightingale, William Playfair ou bien encore André Michel Guerry dès 1854 se sont révélés très tôt d'une grande utilité pour la traduction graphique des écarts et disparités de données statistiques. Depuis lors, ces modes se sont vus complétés, enrichis par de nombreux chercheurs/concepteurs contemporains (Ankerst et al, 1996 ;Wang et al 2007). Parmi les multiples qualités du mode discoïdal, il en est une qui retient tout particulièrement notre attention : il est aisé d'adapter plusieurs échelles de présentation hiérarchique supportant une comparaison d'importantes quantités de données (Figure 7) (représentation concentrique, dès lors multi-scalaire) : à l'échelle des données (schémas relationnels des données), à l'échelle des groupements/ensembles de données (organisations de données relationnelles -hiérarchies, objets, classes, etc.…”

“…Afin de permettre l'exploration visuelle et l'extraction d'informations issues des modèles, nous avons alors complété ce mode d'une distribution interne multifilaire, sorte d'anneaux ou segments (Ankerst et al, 1996 ;Wang et al 2007) symbolisant par type (couleur) les informations et/ou règles d'échanges d'informations par sujet, objet, classe, modèle, etc. 19 -l'assemblage des anneaux ou segments détermine alors le diamètre du disque _parent (sujet, objet, classe, modèle, etc.)…”