Performing Feature Selection Before Removing Outliers To Increase Classfier's Accuracy

Publikace nespadá pod Filozofickou fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Název česky Výběr atributů a odstranění odlehlých příkladů pro zvýšení správnosti klasifikace
Autoři

PETLIAK Nataliia TMENOVA Oleksandra NÁMEŠNÝ Matúš BONČO Tomáš POPELÍNSKÝ Lubomír

Druh Článek ve sborníku
Konference DATA A ZNALOSTI & WIKT 2018, sborník konference
Fakulta / Pracoviště MU

Fakulta informatiky

Citace
Klíčová slova Feature selection; Outlier detection; classification accuracy
Popis This work addresses the problem of feature selection for boosting the performance of outlier detectors in the context of supervised classification. Different feature selection and outlier detection methods are applied to four datasets used in the experiment and a comparative analysis between combinations of these methods is reported. We present combinations producing the best accuracy of a classifier and show the optimal number of outliers to be removed.
Související projekty: