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

Varování

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
Rok publikování	2018
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:	Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VII.