Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://hdl.handle.net/123456789/65
Τύπος: | Ανακοίνωση σε συνέδριο |
Τίτλος: | Multi-target feature selection through output space clustering |
Συγγραφέας: | [EL] Σεχίδης, Κωνσταντίνος[EN] Sechidis, Konstantinos [EL] Σπυρομήτρος - Ξιούφης, Ελευθέριος[EN] Spyromitros-Xioufis, Eleftherios [EL] Βλαχάβας, Ιωάννης[EN] Vlahavas, Ioannis I. |
Ημερομηνία: | Απρ-2019 |
Περίληψη: | A key challenge in information theoretic feature selection is to estimate mutual information expressions that capture three desirable terms: the relevancy of a feature with the output, the redundancy and the complementarity between groups of features. The challenge becomes more pronounced in multi-target problems, where the output space is multidimensional. Our work presents a generic algorithm that captures these three desirable terms and is suitable for the well-known multi-target prediction settings of multi-label/dimensional classification and multivariate regression. We achieve this by combining two ideas: deriving low-order information theoretic approximations for the input space and using clustering for deriving low-dimensional approximations of the output space. |
Γλώσσα: | Αγγλικά |
Τόπος δημοσίευσης: | Bruges, Belgium |
Σελίδες: | 6 |
ISBN: | 978-287-587-065-0 |
Θεματική κατηγορία: | [EL] Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική[EN] Computer and Information Sciences |
Λέξεις-κλειδιά: | machine learning; information theory |
Κάτοχος πνευματικών δικαιωμάτων: | Authors keep the rights on their paper and they may freely distribute it and archive it in any repository, provided that full reference to the conference proceedings is given. |
Όροι και προϋποθέσεις δικαιωμάτων: | Details can be found here: https://www.esann.org/node/5 |
Διατίθεται ανοιχτά στην τοποθεσία: | https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2019-20.pdf |
Τίτλος πηγής δημοσίευσης: | ESANN 2019 - Proceedings 27th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning |
Σελίδες τεκμηρίου (στην πηγή): | 337-342 |
Σειρά δημοσίευσης: | European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning |
Όνομα εκδήλωσης: | 27th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning |
Τοποθεσία εκδήλωσης: | Bruges, Belgium |
Ημ/νία έναρξης εκδήλωσης: | 24/04/2019 |
Ημ/νία λήξης εκδήλωσης: | 26/04/2019 |
Σημειώσεις: | This research is implemented through the Operational Program “Human Resources Development, Education and Lifelong Learning” and is co-financed by the European Union (European Social Fund) and Greek national funds. |
Εμφανίζεται στις συλλογές: | Ερευνητικές ομάδες |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Σελίδες | Μέγεθος | Μορφότυπος | Έκδοση | Άδεια | |
---|---|---|---|---|---|---|---|
es2019-20.pdf | 1.56 MB | Adobe PDF | - | Δείτε/ανοίξτε |