کنفرانس بین المللی محاسبات نرم

لطفا منتظر بمانید ...

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

Fuzzy Preprocessing: Discovering Hidden Effects and Nonlinear Feature Relationships in Data Science and Machine Learning

نویسندگان :

Mehdi Khavarsangari¹ Zahra Danesh Kaftroodi²

1- دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان 2- 'دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان

کلمات کلیدی :

Feature Selection،Fuzzy Logic،Machine Learning،Correlation Matrix

چکیده :

In the feature selection stage, among the data preprocessing steps, the correlation matrix is used to identify dataset features that are linearly dependent on the output; however, the correlation matrix is incapable of detecting nonlinear effects or local variations. In this paper, a fuzzy logic-based method is proposed, in which the correlation matrix is first computed and features with low correlation to the output are identified. Then, using fuzzy logic, it is examined whether features with low correlation may have a significant effect on the output within a specific range. The results indicate that this method is not only effective for identifying features in datasets with nonlinear behavior or local variations, but also, owing to the inherent interpretability of fuzzy logic, it offers greater transparency and comprehensibility compared to conventional algorithmic methods.

لیست مقالات

لیست مقالات بایگانی شده

تحلیل تطبیقی عملکرد ترمودینامیکی کمپرسورهای مارپیچی و رفت‌وبرگشتی در سیکل‌های تبرید به منظور بهینه‌سازی اقتصادی انتخاب نوع کمپرسور

نوید شریفی

مروری بر موازنه‌ی تورش - واریانس و روش‌های بازنمونه‌گیری در یادگیری ماشین

مریم رستمی نیا

مدیریت بهینه انرژی در ریزشبکه شامل منابع تولید پراکنده تجدیدپذیر و ذخیره کننده انرژی با استفاده از الگوریتم بهینه سازی کلونی زنبور عسل

رضا شریفی - دکتر حمید حسن زاده فرد - جمشید محمدی اچموش

بازسازی تصاویر سه بعدی چهره با الگوریتم شبکه باور عمیق

روزا سیرتی

On the directed n-power graph of a class of finite groups Gm

MINA PIRZADEH - MANSOUR HASHEMI

مقایسه کارایی الگوریتم های یادگیری ماشین نظارتی (ANN, NB و SVM) برای پیش بینی شدت تصادفات | مطالعه موردی: کشور انگلستان - سال های 2010 تا 2014

سهیل رضاشعار - امیرعباس رصافی

بررسی عملکرد مدل هیبریدی شبکه عصبی شعلۀ پروانه (ANN-MFO) در تخمین تبخیر و تعرق مرجع در اقلیم نیمه‌مرطوب (مطالعه موردی: ایستگاه سینوپتیک گرگان)

معین توسن - عباس خاشعی سیوکی - علی ماروسی - نسرین خوش نواز - محمدرضا قریب

عقیده کاوی نظرات کاربران دیجی‌کالا با استفاده از سیستم استنتاج عصبی-فازی تطبیقی

زهره کریمی - خلیل الله نصیری

Fuzzy least square linear regression: a new approach

Zahra Behdani - Majid Darehmiraki

تحلیل جواب های امواج سیار معادله فیتزو ناگامو

مصطفی اسلامی - سمیرا حیدری

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.9.4