Selezione di sintomi importanti per i set di dati medici

La selezione di caratteristiche ottimali è un'importante area di ricerca nei sistemi di data mining medico. In questa ricerca viene introdotta una procedura efficiente - selezione del sottoinsieme di caratteristiche, classificazione e classificazione delle caratteristiche - chiamata Analisi delle Componenti Principali basata sul metodo JK per migliorare l'accuratezza del rilevamento e la selezione del sottoinsieme di caratteristiche ottimali. Il metodo proposto regola un parametro denominato "copertura della varianza" e costruisce il modello con il valore al quale si ottiene la massima accuratezza di classificazione. Ciò facilita la selezione di un insieme compatto di caratteristiche di qualità superiore, a un costo molto basso. L'ampio confronto sperimentale tra il metodo proposto e altri metodi utilizzando tre diversi classificatori (Naïve Bayes (NB), perceptron multistrato (MLP) e albero decisionale J48) e 6 diversi set di dati medici può confermare che la strategia proposta (PCA-JK) dà risultati promettenti sulla selezione delle caratteristiche e sull'accuratezza della classificazione per il campo di ricerca del data mining medico.