ترجمه فارسی مقاله انتخاب ویژگی گروهی چند برچسبی با محدودیت هزینه با استفاده از ویژگی‌های سایه

چکیده

We consider the problem of feature selection in multi-label classification, considering the costs assigned to groups of features. In this task, the goal is to select a subset of features that will be useful for predicting the label vector, but at the same time, the cost associated with the selected features will not exceed the assumed budget. Solving the problem is of great importance in medicine, where we may be interested in predicting various diseases based on groups of features. The groups may be associated with parameters obtained from a certain diagnostic test, such as a blood test. Because diagnostic test costs can be very high, considering cost information when selecting relevant features becomes crucial to reducing the cost of making predictions. We focus on the feature selection method based on information theory. The proposed method consists of two steps. First, we select features sequentially while maximizing conditional mutual information until the budget is exhausted. In the second step, we select additional cost-free features, i.e., those coming from groups that have already been used in previous steps. Limiting the number of added features is possible using the stop rule based on the concept of so-called shadow features, which are randomized counterparts of the original ones. In contrast to existing approaches based on penalized criteria, in our method, we avoid the need for computationally demanding optimization of the penalty parameter. Experiments conducted on the MIMIC medical database show the effectiveness of the method, especially when the assumed budget is limited.

چکیده به فارسی (ترجمه ماشینی)

ما با توجه به هزینه های اختصاص داده شده به گروه های ویژگی ، مشکل انتخاب ویژگی را در طبقه بندی چند برچسب در نظر می گیریم.در این کار ، هدف این است که زیر مجموعه ای از ویژگی ها را انتخاب کنید که برای پیش بینی بردار برچسب مفید باشد ، اما در عین حال ، هزینه های مرتبط با ویژگی های انتخاب شده از بودجه فرضی فراتر نمی رود.حل مسئله در پزشکی از اهمیت زیادی برخوردار است ، جایی که ممکن است ما علاقه مند به پیش بینی بیماریهای مختلف بر اساس گروههای ویژگی باشیم.این گروه ها ممکن است با پارامترهای به دست آمده از آزمایش تشخیصی خاص مانند آزمایش خون همراه باشند.از آنجا که هزینه های آزمایش تشخیصی می تواند بسیار زیاد باشد ، با توجه به اطلاعات هزینه هنگام انتخاب ویژگی های مربوطه برای کاهش هزینه های پیش بینی بسیار مهم است.ما بر روی روش انتخاب ویژگی بر اساس تئوری اطلاعات تمرکز می کنیم.روش پیشنهادی از دو مرحله تشکیل شده است.اول ، ما در حالی که حداکثر اطلاعات متقابل مشروط را تا زمانی که بودجه خسته نشود ، به طور متوالی ویژگی ها را انتخاب می کنیم.در مرحله دوم ، ما ویژگی های اضافی بدون هزینه را انتخاب می کنیم ، یعنی آنهایی که از گروه هایی هستند که قبلاً در مراحل قبلی استفاده شده اند.محدود کردن تعداد ویژگی های اضافه شده با استفاده از قانون توقف بر اساس مفهوم ویژگی های به اصطلاح سایه ، که همتایان تصادفی از موارد اصلی هستند ، امکان پذیر است.برخلاف رویکردهای موجود مبتنی بر معیارهای مجازات شده ، در روش ما ، ما از نیاز به بهینه سازی محاسباتی بهینه سازی پارامتر مجازات جلوگیری می کنیم.آزمایش های انجام شده در پایگاه داده پزشکی MIMIC ، اثربخشی این روش را نشان می دهد ، به ویژه هنگامی که بودجه فرض شده محدود است.