Resumen

El sistema Mahalanobis-Taguchi (MTS) es una tecnología de diagnóstico y predicción de datos multivariados, que se utiliza ampliamente para optimizar datos de muestras grandes o datos desequilibrados, pero rara vez se utiliza para datos de muestras pequeñas de alta dimensión. En este trabajo, el MTS optimizado para la clasificación de datos de muestras pequeñas de alta dimensión se discute desde dos aspectos, a saber, la inestabilidad de la matriz inversa de la matriz de covarianza y la inestabilidad de la selección de características. En primer lugar, basándose en técnicas de regularización y suavización, este trabajo propone una métrica de Mahalanobis modificada para calcular la distancia de Mahalanobis, cuyo objetivo es reducir la influencia de la inestabilidad de la matriz inversa en condiciones de muestras pequeñas. En segundo lugar, se introduce el algoritmo de mínima redundancia-máxima relevancia (mRMR) en el MTS para el problema de inestabilidad de la selección de características. Utilizando el algoritmo mRMR y la relación señal-ruido (SNR), se propone un método de selección de características en dos etapas: el algoritmo mRMR se utiliza primero para eliminar el ruido y las variables redundantes; a continuación, la tabla ortogonal y la SNR se utilizan para seleccionar la combinación de variables que contribuyen en gran medida a la clasificación. A continuación, se demuestra la viabilidad y simplicidad del MTS optimizado en cinco conjuntos de datos de la base de datos de la UCI. La distancia de Mahalanobis basada en técnicas de regularización y suavización (RS-MD) es más robusta que la distancia de Mahalanobis tradicional. El método de selección de características en dos etapas mejora la eficacia de la selección de características para el MTS. Por último, el MTS optimizado se aplica a la clasificación de correos electrónicos del conjunto de datos Spambase. Los resultados muestran que el MTS optimizado supera al MTS clásico y a los otros 3 algoritmos de aprendizaje automático.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:mt optimizado, métodos de selección de características, inestabilidad de la matriz inversa, datos de muestras pequeñas, técnicas de suavizado, distancia de mahalanobis, distancia de mahalanobis tradicional, diagnóstico de datos multivariantes, condiciones de muestras pequeñas, problema de las características
• Keywords:optimized mt, features selection methods, inverse matrix instability, small sample data, smoothing techniques, mahalanobis distance, traditional mahalanobis distance, multivariate data diagnosis, small sample conditions, problem of features