A differential evolution algorithm for feature selection

U radu je opisan problem klasifikacije i odabira značajki (FS) te algoritam diferencijalne evolucije (DE), popularan evolucijski algoritam koji može biti korišten kao omotač za FS. Opisane su tri tehnike diskretizacije rješenja u DE korištenog za FS te oblici pristupa odabira vrijednosti parametara DE. Dan je opis ostvarenog programskog rješenja koje omogućuje izvođenje algoritma DE u svrhu FS s mogućnošću podešavanja parametara DE i korištene tehnike diskretizacije rješenja. Korištenjem ostvarenog programskog rješenja provedena je eksperimentalna analiza na nekoliko često korištenih skupova podataka kojom su uspoređivane tehnike diskretizacije rješenja i pristupi odabira vrijednosti parametara DE u smislu performansi klasifikacije i redukcije broja značajki. Rezultati prikazuju važnost odabira tehnike diskretizacije rješenja, ali i gotovo nepostojeći utjecaj pristupa odabira vrijednosti parametara DE na performanse algoritma The paper describes classification and feature selection (FS), as well as the differential evolution algorithm (DE), a popular evolutionary algorithm that can be used as a wrapper for FS. Three solution discretization techniques used in DE for FS are described, as are types of approaches to parameter value selection in DE. A description is given of the implemented software solution which allows for the execution of the DE algorithm used for FS with the possibility of DE parameter adjustment and the selection of a solution discretization technique. By using the implemented software solution, an experimental analysis was carried out on several frequently used data sets, which compared the solution discretization techniques and approaches to DE parameter value selection based on classification performance and feature reduction. The results show the importance of selecting the solution discretization technique, but also the almost nonexistent influence of the DE parameter value selection approach on the performance of the algorithm