Modelo de selección dinámica de características aplicado a una tarea de clasificación

Abstract

[Resumen]: Este proyecto presenta y explora el desarrollo de un nuevo algoritmo de Selección Dinámica de Características (DFS) en el ámbito del aprendizaje automático, llamado Dynamic Data Selection (DDS). El DDS está diseñado para abordar las limitaciones de los métodos tradicionales de reducción de dimensionalidad, ofreciendo una selección de características adaptable para cada ejemplo del conjunto de datos. Se centra en mejorar la interpretabilidad del modelo y la eficiencia en la clasificación de datos, a la vez que emplea un consumo de memoria mínimo y constante. Además, el estudio investiga el uso del DDS en diversos contextos y escenarios de datos, proporcionando un enfoque innovador para el manejo y la reducción de datos en tareas de aprendizaje automático.

[Abstract]: This project introduces and explores the development of a new algorithm for Dynamic Feature Selection (DFS) in the field of machine learning, called Dynamic Data Selection (DDS). DDS is designed to address the limitations of traditional dimensionality reduction methods by providing adaptable feature selection for each example in the dataset. It focuses on improving model interpretability and data classification efficiency while maintaining minimal and constant memory consumption. Additionally, the study investigates the application of DDS in various contexts and datasets, offering an innovative approach to data handling and reduction in machine learning tasks.