強化学習アルゴリズムを使用して、特徴選択の重要性と分類モデルの性能向上を探究する。
BCDDOアルゴリズムを用いて、分類精度を最大化しつつ選択された特徴数を最小化する特徴選択手法を提案した。
本稿では、ノンパラメトリック特徴選択手法である統合パス安定性選択(IPSS)を勾配ブースティングとランダムフォレストに適用したIPSSGBとIPSSRFを提案する。これらの手法は、従来手法よりも優れたエラー制御と真陽性検出能力を持ちながら、高速な実行速度を実現する。