Baggi̇ng constrai̇nt laplaci̇an score for effi̇ci̇ent semi̇- supervi̇sed feature selecti̇on

Bu‭ ‬çalışmada‭, ‬yarı‭ ‬denetimli seçimler için Kısıtlamalı‭ ‬Laplas Skoru(CLS‭)‬'na bağlı‭ ‬olarak‭, ‬verimli bir‭ ‬çözüm‭ ‬önerisinde bulunuyoruz‭. ‬Bu yaklaşımın en büyük engeli‭, ‬çift yönlü‭ ‬kısıtlama ile verilen denetim bilgilerinde birkaç‭ ‬seçeneğin olmasıdır‭. ‬Aslında‭, ‬kısıtlamalar‭, ‬öğrenme performansının‭ ‬çöküşünden dolayı‭ ‬olumsuz etkileyen gürültüyü‭ ‬hesaplamak olarak tanımlanır‭. ‬Bu‭ ‬çalışmada‭, ‬kaynakların varyasyonuyla ortaya‭ ‬çıkan kısıtlamanın performans etkilerini aşmaya‭ ‬çalışıyoruz‭. ‬Bu‭ ‬çalışma‭, ‬verilerin yeniden‭ ‬örneklenmesi (torbalama) ve rastgele madde stratejisi tekniği kullanılarak yapılmıştır‭. ‬Yüksek boyutlu veri kümeleri deneyleri kullanılarak‭ ‬önerilen yaklaşım ve diğer temsilci avantaj yöntemlerinin karşılaştırılması‭ ‬desteklenmiştir‭. ‬ Anahtar Kelimeler: Torbalama, Kısıtlama Skoru, Laplas Skoru, Özellik Seçimi.