انتخاب ویژگی یک مرحله مهم در پیشپردازش دادهها قبل از آموزش یک مدل در داد ه- کاوی است. هدف از انتخاب ویژگی عبارت است از شناسایی زیرمجموعهای از ویژگی هایی که دارای بیشترین ارتباط با کلاس هدف و کمترین ارتباط با سایر ویژگیها هستند. با استفاده از انتخاب ویژگی، میتوان مد لهای دادهکاوی کارآمدتر و قابل تفسیرتر ایجاد کرد. امروزه اندازه مجموعه دادههای موجود بر ای تجز یه و تحلی ل در حال رشد هستند و این مسئله باعث میشود که بسیاری از الگوریتمه ای موجود برای دادهکاوی قادر به پردازش کامل آنها نباشند. یکی از روشهای انتخاب ویژگی روشهای فیلتر میباشد که عملکرد خوبی mRMR دارد و بسیار مورد استفاده قرار میگیرد. هدف از انجام این پایا ننامه بالا بردن سرعت و دقت است. این پایاننامه سعی در بهبود عملکرد این الگوریتم دارد و این عمل را mRMR الگوریتم به صورت mRMR با تقسیم داد هها و تولید زیرمجموع ههای ویژگی با استفاده از الگوریتم تصادفی انجام میدهد. سپس با استفاده از الگوریتم جستجویی که با الگوریتمهای کلاسبندی طراحی شده اس ت، بهترین زیرمجموعه ویژگی انتخاب میشود. روش پیشنهادی روی پن ج مجموعه داده آزمایش شده و نتایج با رو شهای معتبر مورد مقایسه قرار گرفته اس ت و در نهای ت مشاهده شد که روش پیشنهادی در اکثر مجموع ههای داده به دقت و سرعت بهتری دست یافته است.
