Velkoškálový výběr atributů

Abstract

Možnosti výpočetních prostředků se neustále zvyšují, ovšem neúměrně k velikosti dat zpracovávaných v oblasti strojového učení, která narůstá ještě rychleji. Tato práce se zabývá výběrem atributů při klasifikaci dat. Teze shrnuje metody výběru atriubutů od padesátých let minulého století. Na základě rešerše bylo vybráno a implementováno sedm metod. Provedené experimenty ukazují, že implementované metody pomáhají k dosažení lepších výsledků nejen na veřejných zkušebních datových sadách, ale i na reálných datech z domény kybernetické bezpečnosti.

Although the computational power is still growing, the amount of data, that needs to be processed in the field of machine learning quickly exceeds this capacity. The thesis focuses on feature selection aspect of a general classifier. There is a summary of important feature selection methods used since about seventy years ago. According to the research, seven methods were selected and implemented. Finally, it was shown, that all of the implemented methods helps to obtain better results in classification, which is true not only for public trial datasets, but also for real data from cybersecurity domain.