Обзор алгоритма Whalse для выбора и извлечения признаков в машинном обучении

Резюме: Отбор и извлечение признаков играют ключевую роль в машинном обучении, способствуя повышению производительности модели и уменьшению сложности данных. В контексте отбора и извлечения признаков в машинном обучении часто применяется подход Whales, также известный как алгоритм оптимизации китов (Whale Optimization Algorithm, WOA). Уникальные свойства алгоритма Whales и возможности его оптимизации могут оказаться полезными при решении задач выбора и извлечения признаков. Данная статья содержит как обзор аналогичных методов, так и анализ самого алгоритма Whales и основных этапы его применения. Также в работе рассматривается взаимосвязь между алгоритмом Whales и традиционными методами отбора и извлечения признаков и определяет дальнейшие направления исследований.

Ключевые слова: Выбор признаков, алгоритмы машинного обучения, алгоритм Whales, снижение размерности, генетические алгоритмы

A.A. Daleh

Overview of the whalse algorithm for feature selection and extraction in machine learning

Summary: Feature selection and extraction play a key role in machine learning, helping to improve model performance and reduce data complexity. In the context of feature selection and extraction in machine learning, the Whales approach, also known as the Whale Optimization Algorithm (WOA), is often used. The unique properties of the Whales algorithm and its optimization capabilities can be useful in solving problems of feature selection and extraction. This article contains both a review of similar methods and an analysis of the Whales algorithm itself and the main stages of its application. The paper also examines the relationship between the Whales algorithm and traditional methods of feature selection and extraction and identifies future directions for research.

Keywords: Feature selection, machine learning algorithms, Whales algorithm, dimensionality reduction, genetic algorithms

DOI: 10.34219/2078-8320-2024-15-2-117-122