Variable selection algorithms (or metaheuristics) to prepare unsupervised learning. The final versions of the programs selects some variables by performing a learning at each generation. The optimized metric (in the context of the dataset used) is the accuracy rate. You can run each algorithm independantly.
- Evolution-differentielle : it is based on the genetic algorithm, with these three steps (Selection, Crossover, Mutation), and evolutionary strategies, with some geometric calculations.
- Population-based Incremental Learning (PBIL): it is also a type of genetic algorithm where the genotype of an entire population (probability vector) evolves rather than individual members.
Algorithmes de selection de variables pour préparer des apprentissage non supervisés. Les versions finale des programmes est sélectionne les variables en effectuant un apprentissage à cahque génération. La métrique optimisée (dans le cadre du dataset utilisé) est l'accuracy. L’évolution différentielle : elle s’appuie sur l’algorithme génétique, avec les mêmes étapes (Sélection, Croisement, Mutation), et les stratégies évolutionnistes, avec des manipulations géométriques.
- L’apprentissage incrémental à base de population (ou « PBIL : Population-based Incremental Learning) : c’est également un type d'algorithme génétique où le génotype d'une population entière (vecteur de probabilité) évolue plutôt que des membres individuels