کاهش ابعاد ویژگی مبتنی بر تئوری راف، با استفاده از الگوریتم رقابت لیگ فوتبال

افزایش حجم پایگاه داده ها، مسئله کاهش ویژگی را ایجاد و پر اهمیت می کند. از اینرو در علم داده کاوی یکی از زیر بخش های مهم مسئله کاهش ابعاد، همانا انتخاب ویژگی می باشد، که در آن آن دسته از ویژگی های ورودی که بیشترین تاثیر را بر روی خروجی کار دارند برگُزیده و سایر ویژگی هایی که تاثیر چندانی در نتیجه ندارند در محاسبات لحاظ نمی شوند. از جمله تئوری هایی که در راستای حل مسائل کاهش ویژگی مورد استقبال قرار گرفته اند همانا تئوری راف می باشد؛ اما از آنجایی که تئوری راف ذاتاً از دقت بالایی برخوردار بوده، این خصیصه سبب می شود که سرعت آن به طرز چشم گیری در حل مسائل بزرگ کاهش یابد، از اینرو مسئله کاهش ویژگی به وسیله تئوری راف، عملاً مسئله ای np-hard تلقی می شود، فلذا پژوهشگران این حوزه برای حل این معضل به روش های فراابتکاری متوسل شده که تا حد امکان از این پیچیدگی زمانی کاسته و بتوانند گامی مؤثر در راستای حل اینگونه مسائل اتخاذ نمایند. برای این منظور با توجه به توانایی های بالقوه الگوریتم رقابت لیگ فوتبال در حل مسائل np-hard، چابکی بی نظیر، سرعت، پویایی و پتانسیل بالای آن در حل مسائل محاسباتی سنگین، ما را برآن داشت که از آن در راستای حل مسئله کاهش ویژگی بهره گیریم تا هم گامی مؤثر در راستای حل مسئله برداشته باشیم و هم محکی دیگر بر ظرفیت های بیشمار این الگوریتم داشته باشیم. در پایان بمنظور سنجش میزان قدرت واقعی این روش پیشنهادی و نیز داشتن قیاسی منصفانه و علمی؛ این الگوریتم را بر روی 9 دیتاست معتبر مرسوم این حوزه پیاده سازی کرده و نتایج حاصله از کاهش ویژگی به کمک این روش را به لحاظ تعداد ویژگی های کاهش یافته با نتایج سایر الگوریتم های مدعی در این زمینه مورد مقایسه قرار داده ایم تا قدرت و توان فوق العاده این روش در راستای حل مسئله کاهش ویژگی در برابر رقبایش کاملاً مشهود و مبرهن باشد.