Scalable Machine Learning with Granulated Data Summaries: A Case of Feature Selection
PBN-AR
Instytucja
Wydział Informatyki (Polsko-Japońska Akademia Technik Komputerowych)
Książka
Tytuł książki
Foundations of Intelligent Systems - 23rd International Symposium.ISMIS 2017
Data publikacji
2017
ISBN
9783319604374
Wydawca
Springer
Publikacja
Główny język publikacji
en
Tytuł rozdziału
Scalable Machine Learning with Granulated Data Summaries: A Case of Feature Selection
Rok publikacji
2017
Strony (od-do)
519-529
Numer rozdziału
Identyfikator DOI
Liczba arkuszy
0.50
Hasło encyklopedyczne
Autorzy
(liczba autorów: 3)
Pozostali autorzy
+ 2
Słowa kluczowe
en
Data granulation
Approximate query
Feature selection
Konferencja
Indeksowana w Scopus
nie
Indeksowana w Web of Science Core Collection
nie
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
ISMIS 2017
Nazwa konferencji
23rd International Symposium on Methodologies for Intelligent Systems
Początek konferencji
2017-06-26
Koniec konferencji
2017-06-29
Lokalizacja konferencji
Warsaw
Kraj konferencji
PL
Lista innych baz czasopism i abstraktów w których była indeksowana
Streszczenia
Język
en
Treść
We investigate how to use the histogram-based data summaries that are created and stored by one of the approximate database engines available in the market, for the purposes of redesigning and accelerating machine learning algorithms. As an example, we consider one of popular minimum redundancy maximum relevance (mRMR) feature selection methods based on mutual information. We use granulated data summaries to approximately calculate the entropy-based mutual information scores and observe the mRMR results compared to the case of working with the actual scores derived from the original data.
Cechy publikacji
Chapter in a book
Rozdział w książce
Inne
System-identifier
PBN-R:833411
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych