データマイニングの基礎 第4章 前処理・データ変換 その3

• 属性選択の評価基準
  • ラッパ法は学習結果の精度そのものを基準にする
  • フィルタ法では事前にわかる基準を指標に
  • 属性の「良さ」
    • 属性値をもつデータ数が少ないほうが良い -- ここ(p.135)多分 typo がありますね。
    • 予測精度
      • ベイズの分類器を用いる(一例として)
      • 属性を1つ削ってみて予測精度をみる。変化しない(100%)の場合はその属性は予測に寄与していないので削れる
    • 情報利得比
    • Gini係数
    • 距離尺度
      • Directed Divergence
      • Variance
      • 数式が書けないけど、それぞれ確率分布からのずれで評価
    • 依存尺度
    • 不整合度
      • 「クラスが異なるのに属性値は同じ」というデータには矛盾がある(他の属性値とのくみあわせもあるはずだけど)
      • (属性の値が同じデータ数) - (その中でクラスが同じものの最大数) = 不整合数 と定義して不整合数 / 全データ数 = 不整合度 M を計算して、不整合度の大きい属性を削る