Un marco basado en algoritmos genéticos para la selección de características dispersas en línea en flujos de datos

Área de la Ciencia:

• Aprendizaje Automático
• Minería de Datos
• Análisis de Big Data

Sus antecedentes:

• La selección de características en línea (OSFS) es crucial para los flujos de datos de alta dimensionalidad.
• Los datos incompletos presentan un desafío significativo para los métodos OSFS y OS²FS existentes.
• Los métodos OS²FS actuales tienen dificultades con la evaluación de características, lo que afecta el rendimiento.

Objetivo del estudio:

• Introducir un novedoso método de selección de características dispersas en línea basado en algoritmos genéticos (GA-OS²FS).
• Abordar las limitaciones en la evaluación de características dentro de los enfoques OS²FS existentes.
• Mejorar la precisión de la selección de características en flujos de datos con valores faltantes.

Principales métodos:

• Imputación de valores faltantes utilizando un modelo de análisis de factores latentes.
• Aplicación de un algoritmo genético para la evaluación de la importancia de las características.
• Desarrollo de GA-OS²FS para la selección de características dispersas en línea.

Principales resultados:

• GA-OS²FS demuestra un rendimiento superior en comparación con los métodos de vanguardia OSFS y OS²FS.
• El método propuesto logra consistentemente una mayor precisión en seis conjuntos de datos del mundo real.
• Se seleccionan subconjuntos de características óptimos, lo que conduce a mejores resultados analíticos.

Conclusiones:

• GA-OS²FS maneja eficazmente los datos faltantes en flujos de alta dimensionalidad.
• La integración de algoritmos genéticos mejora la evaluación de características en datos de transmisión.
• El novedoso método GA-OS²FS ofrece un avance significativo en la selección de características en línea.