Sesuai dengan agenda saya, minggu ini rencananya saya membahas mengenai Feature Subset Selection & Feature Extraction di kelas Pattern Recognition SGU (S1, semester 4). Untuk pembahasan Kernel based Machine Learning saya skip. Pertimbangan saya, dengan keterbatasan waktu, cukup bagi anak-anak untuk memahami k-Nearest Neighbor Classifier, Multilayer Perceptron + backpropagation algorithm, serta Naive Bayes. Selanjutnya lebih baik difokuskan pada topik Feature Extraction dan Selection, karena topik ini sangat vital. Ada beberapa yang ingin saya bahas:
- mengapa normalisasi nilai feature perlu dilakukan ?
- teknik melakukan normalisasi nilai feature & perlakuan berbeda untuk feature nominal vs ratio
- transformasi feature space : antara selection vs extraction
- feature subset selection : wrapper vs filter approach, classifier independent vs classifier dependent
- feature extraction : definisi dan contoh (misalnya dimensionality reduction pada Principal Component Analysis)
Beberapa literatur yang saya pakai:
- Wakariyasui Pataan Ninshiki, Ishii et al. Ohmsha, 1998
- Handbook of Pattern Recognition & Image Processing, Tzay Y. Young & King Sun Fu, Academic Press, 1986
