Выбор экземпляра - Instance selection

Выбор экземпляра (или сокращение набора данных, или сжатие набора данных) является важным предварительная обработка данных шаг, который можно применять во многих машинное обучение (или же сбор данных ) задачи.[1] Подходы, например выбор экземпляра, могут применяться для сокращения исходного набора данных до управляемого объема, что приводит к сокращению вычислительных ресурсов, необходимых для выполнения процесса обучения. Алгоритмы выбора экземпляра также могут применяться для удаления зашумленных экземпляров перед применением алгоритмов обучения. Этот шаг может повысить точность классификационных задач.

Алгоритм выбора экземпляра должен идентифицировать подмножество всех доступных данных для достижения первоначальной цели приложения интеллектуального анализа данных (или машинного обучения), как если бы были использованы все данные. Учитывая это, оптимальным результатом IS будет минимальное подмножество данных, которое может выполнить ту же задачу без потери производительности, по сравнению с производительностью, достигаемой при выполнении задачи с использованием всех доступных данных. Следовательно, каждая стратегия выбора экземпляров должна иметь дело с компромиссом между скоростью сокращения набора данных и качеством классификации.

Алгоритмы выбора экземпляра

В литературе представлено несколько различных алгоритмов выбора экземпляра. Их можно отличить друг от друга по нескольким различным критериям. Учитывая это, алгоритмы выбора экземпляров можно сгруппировать в два основных класса в зависимости от того, какие экземпляры они выбирают: алгоритмы, которые сохраняют экземпляры на границах классов, и алгоритмы, сохраняющие внутренние экземпляры классов. В категории алгоритмов, выбирающих экземпляры на границах, можно указать DROP3,[2] ICF[3] и LSBo.[4] С другой стороны, в категории алгоритмов, выбирающих внутренние экземпляры, можно упомянуть ENN[5] и LSSm.[4] Как правило, такие алгоритмы, как ENN и LSSm, используются для удаления вредоносных (зашумленных) экземпляров из набора данных. Они не сокращают данные как алгоритмы, выбирающие граничные экземпляры, но удаляют экземпляры на границах, которые отрицательно влияют на задачу интеллектуального анализа данных. Они могут использоваться другими алгоритмами выбора экземпляров в качестве этапа фильтрации. Например, алгоритм ENN используется DROP3 в качестве первого шага, а алгоритм LSSm используется LSBo.

Существует также еще одна группа алгоритмов, использующих другие критерии выбора. Например, алгоритмы LDIS,[6] CDIS[7] и XLDIS[8] выберите наиболее плотные экземпляры в данной произвольной окрестности. Выбранные экземпляры могут включать как граничные, так и внутренние экземпляры. Алгоритмы LDIS и CDIS очень просты и выбирают подмножества, которые очень репрезентативны для исходного набора данных. Кроме того, поскольку они ищут по репрезентативным экземплярам в каждом классе отдельно, они быстрее (с точки зрения временной сложности и эффективного времени выполнения), чем другие алгоритмы, такие как DROP3 и ICF.

Помимо этого, существует третья категория алгоритмов, которые вместо выбора фактических экземпляров набора данных выбирают прототипы (которые могут быть синтетическими экземплярами). В эту категорию можно включить PSSA,[9] PSDSP[10] и PSSP.[11] Эти три алгоритма используют понятие пространственного разделения (гипер прямоугольника) для идентификации похожих экземпляров и извлечения прототипов для каждого набора похожих экземпляров. В общем, эти подходы также можно изменить для выбора фактических экземпляров наборов данных. Алгоритм ISDSP[11] использует аналогичный подход для выбора реальных экземпляров (вместо прототипов).

Рекомендации

  1. ^ С. Гарсия, Дж. Луенго и Ф. Эррера, Предварительная обработка данных в интеллектуальном анализе данных. Спрингер, 2015.
  2. ^ Д. Р. Уилсон и Т. Р. Мартинес, Методы редукции для алгоритмов обучения на основе экземпляров, Машинное обучение, т. 38, нет. 3. С. 257–286, 2000.
  3. ^ Х. Брайтон и К. Меллиш, Достижения в выборе экземпляров для алгоритмов обучения на основе экземпляров, Интеллектуальный анализ данных и обнаружение знаний, т. 6, вып. 2. С. 153–172, 2002.
  4. ^ а б Э. Лейва, А. Гонсалес и Р. Перес, Три новых метода выбора экземпляров, основанные на локальных наборах: сравнительное исследование с несколькими подходами с двухцелевой точки зрения, Распознавание образов, т. 48, вып. 4. С. 1523–1537, 2015.
  5. ^ Д. Л. Уилсон, «Асимптотические свойства правил ближайшего соседа с использованием отредактированных данных», «Системы, человек и кибернетика», IEEE Transactions on, no. 3. С. 408–421, 1972.
  6. ^ Карбонера, Джоэл Луис и Мара Абель. Подход, основанный на плотности, например, отбор. 27-я Международная конференция IEEE по инструментам с искусственным интеллектом (ICTAI), 2015 г.
  7. ^ Карбонера, Джоэл Луис и Мара Абель. Новый подход, основанный на плотности, например, отбор. 28-я Международная конференция IEEE по инструментам с искусственным интеллектом (ICTAI), 2016 г.
  8. ^ Карбонера, Джоэл Луис (2017), «Эффективный подход к выбору экземпляра», Аналитика больших данных и открытие знаний, Конспект лекций по информатике, 10440, Springer International Publishing, стр. 228–243, Дои:10.1007/978-3-319-64283-3_17, ISBN  9783319642826
  9. ^ Карбонера, Джоэл Луис; Абель, Мара (2018), «Эффективный алгоритм выбора прототипа, основанный на пространственной абстракции», Аналитика больших данных и открытие знаний, Springer International Publishing, стр. 177–192, Дои:10.1007/978-3-319-98539-8_14, ISBN  9783319985381
  10. ^ Карбонера, Джоэл Луис; Абель, Мара (2018), "Эффективный алгоритм выбора прототипа на основе плотных пространственных разделов", Искусственный интеллект и мягкие вычисления, Springer International Publishing, стр. 288–300, Дои:10.1007/978-3-319-91262-2_26, ISBN  9783319912615
  11. ^ а б Карбонера, Джоэл Луис; Абель, Мара (ноябрь 2017 г.). Эффективный выбор прототипа, поддерживаемый разделами подпространства. 2017 29-я Международная конференция IEEE по инструментам с искусственным интеллектом (ICTAI). IEEE. Дои:10.1109 / ictai.2017.00142. ISBN  9781538638767.