An iterative decision tree threshold filter
Oscar Picchi Netto, José Augusto Baranauskas · 2012
ao Paulo (USP) Abstract. In this paper we propose and analyze a new filter for feature subset selection using an iterative decision tree threshold method. Using several bi- omedical or bioinformatics datasets, the filter has been evaluated on its data compression ability and AUC (Area Under Curve) performance within three scenarios. On average, the filter compressed almost 50% of the data. Additi- onally, AUC values using all versus selected filter features have not produced performance degradation in five different machine learning algorithms. Resumo. Neste trabalho ´ e proposto e analisado um novo filtro para selec ¸ ˜ ao de atributos utilizando um miterativo com ´ arvores de decis˜ ao. Utilizando diversas bases biom´ edicas, o filtro foi avaliado em capacidade de compress˜ ao e valor AUC (Area Under Curve) para trˆ es cen´ arios. Em m´ edia, o filtro foi capaz de compactar 50% dos dados. As andos valores AUC comparando todos os atributos contra aqueles atributos selecionados n˜ ao produziu perda de desempenho significativa nos cinco algoritmos de aprendizado de m´ aquina testados.