Medikal veri setleri için JAYA algoritması tabanlı öznitelik seçimi

Son yıllarda teknolojideki gelişmelere bağlı olarak her alanda büyük miktarlarda veri ortaya çıkmaktadır. Bu verilerin büyük çoğunluğu tek başına anlamsızken, birbiriyle ilişkili olan küçük kısımları anlamlıdır. Büyük verilerin üretildiği bu alanlarda tutarlı sonuçlar üretmek çok maliyetli olabiliyor. Bu alanlardan biri de tıp alanıdır. Araştırmacılar tıp alanında tutarlı sonuçlar üretmek için birçok çalışma ortaya koymuşlardır. Bu çalışmada, çok sayıda özniteliğe sahip farklı medikal veri kümeleri için (bir veri kümesi hariç diğerleri 2000'den büyüktür) filtre ve sarmalayıcı özellik seçim yöntemlerini birleştiren 2 aşamalı hibrit bir özellik seçim yöntemi öneriyoruz. İlk adımda Relieff'in algoritması kullanılarak medikal veri kümelerinden gereksiz öznitelikler filtrelenerek ikinci adım olan sarmalayıcı adıma gönderilmiştir. Bu adımda sınıflandırıcı olarak Knn (k-en yakın komşu) yöntemi tercih edilmiştir. JASAL adını verdiğimiz bu algoritmada, JASAL'ın arama yeteneklerini güçlendirmek için Levy Flight yöntemi eklenmiştir. JASAL algoritmasının özellik seçim performansı 8 farklı tıbbi veri kümesi ile test edilmiştir. JASAL algoritmasının sonuçları 11 farklı metasezgisel algoritmanın özellik seçim performansı ortalama uygunluk, standart sapma, doğruluk, ortalama özellik seçim boyutu metrikler ile karşılaştırılmıştır. Sonuçlara göre, JASAL algoritması en yüksek doğruluğu elde etti. Üstelik bunu daha az özellik seçerek başarmıştır. Ayrıca, ortalama sıralama değerleri de diğer algoritmalardan daha iyidir. Tüm sonuçlar, önerilen yöntemin çok fazla sayıda özniteliğe sahip veri kümelerinde yüksek sınıflandırma doğruluğu sağladığını ve birbirleriyle anlamlı olan daha küçük bir öznitelik alt kümesi oluşturma konusunda önemli bir yeteneğe sahip olduğunu göstermektedir.