Машинное обучение, нейронные сети

Влияние дискретизации и бинаризации количественных признаков на точность моделей машинного обучения

В. А. Дюк

Институт проблем транспорта им. Н.С. Соломенко Российской академии наук, Санкт-Петербург, Россия

Аннотация: В статье приведены результаты исследования влияния дискретизации и бинаризации исходных признаков на точность классификации данных. Рассмотрены 3 задачи классификации данных из областей технического зрения и медицинской диагностики. Для построения моделей классификации применялись популярные алгоритмы: наивный байесовский классификатор; логистическая регрессия; многослойная нейросеть, использующая алгоритм обратного распространения ошибки; машина опорных векторов; метод ближайших соседей; деревья решений и случайный лес. Во всех трех представленных задачах дискретизация данных с последующей бинаризацией привела к повышению точности моделей классификации. Это повышение точности выявлено только для случая бинаризации с накоплением. Результаты проведенного эксперимента могут быть полезны исследователям и разработчикам моделей машинного обучения.

Ключевые слова: машинное обучение, дискретизация и бинаризация количественных признаков, точность моделей классификации.

DOI: 10.14357/20718594250308