Main Article Content
Article Details
Battiti R. (1994) Using Mutual Information for Selecting Features in Supervised Neural-Net Learning. IEEE Transactions on Neural Networks and Learning Systems., 5(4), 537-550. (Crossref)
Brown G., Pocock A., Zhao M. J., Luján M. (2012) Conditional Likelihood Maximisation: a Unifying Framework for Information Theoretic Feature Selection. Journal of Machine Learning Research, 13(1), 27-66.
Jakulin A., Bratko I. (2004) Quantifying and Visualizing Attribute Interactions: an Approach Based on Entropy. Manuscript.
Lin D., Tang X. (2006) Conditional Infomax Learning: an Integrated Framework for Feature Extraction and Fusion. LNCS Springer, 3951, 68-82. (Crossref)
Pawluk M., Teisseyre P., Mielniczuk J. (2019) Information-Theoretic Feature Selection Using High-Order Interactions. LNCS Springer, 11331. (Crossref)
Peng H., Long F., Ding C. (2005) Feature Selection Based on Mutual Information: Criteria of Max-Dependency, Max-Relevance, and Min-Redundancy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 27(8), 1226-1238. (Crossref)
Tharwat A. (2018) Classification Assessment Methods. Applied Computing and Informatics.
Xing E., Jordan M., Karp R. (2001) Feature Selection for High-Dimensional Genomic Microarray Data. ICML Proceedings of the Eighteenth International Conference on Machine Learning, 601-608.
Yang H. H., Moody J. (1999) Data Visualization and Feature Selection: New Algorithms for Nongaussian Data. Advances in Neural Information Processing Systems, 12, 687-693.
Zhang F., Li W., Zhang Y., Feng Z. (2018) Data Driven Feature Selection for Machine Learning Algorithms in Computer Vision. IEEE Internet of Things Journal, 5(6). (Crossref)
Downloads
![Creative Commons License](http://i.creativecommons.org/l/by-nc/4.0/88x31.png)
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne 4.0 Międzynarodowe.
Publikowane artykuły dostępne są na warunkach Open Access na zasadach licencji Creative Commons CC BY-NC – do celów niekomercyjnych udostępnione materiały mogą być kopiowane, drukowane i rozpowszechniane. Autorzy ponoszą opłatę za opublikowanie artykułu.