انتخاب برخط ويژگي‌هاي جرياني با استفاده از سري هندسي ماتريس مجاورت ويژگي‌ها

انتخاب، ويژگي يكي از گام‌هاي پيش‌پردازش مهم در يادگيري ماشيني و داده‌كاوي است. تمامي الگوريتم‌هاي انتخاب ويژگي سنتي فرض مي‌كنند كه كل فضاي ويژگي از ابتداي چرخه انتخاب در دسترس است؛ با اين وجود در بسياري از كاربردهاي دنياي واقعي با سناريوي ويژگي‌هاي جرياني مواجه هستيم. در اين سناريو، تعداد ويژگي‌ها به‌مرور زمان افزايش مي‌يابد. در اين مقاله، مسأله انتخاب برخط ويژگي‌هاي جرياني از منظر سري‌هاي هندسي گراف ارتباط ويژگي‌ها مورد بررسي قرار گرفته و يك الگوريتم جديد به نام OSFSGS پيشنهاد شده است. اين الگوريتم با استفاده از مفهوم سري هندسي گراف مجاورت، ويژگي‌هاي افزونه را به شكل برخط حذف مي‌كند؛ علاوه‌براين، الگوريتم پيشنهادي از يك سازوكار نگهداري ويژگي‌هاي افزونه بهره مي‌بَرَد كه امكان بررسي مجدد ويژگي‌هاي بسيار خوبي را كه درقبل حذف شده‌اند، فراهم مي‌آورد. الگوريتم پيشنهادي بر روي هشت مجموعه‌داده با ابعاد بزرگ اعمال شده و نتايج نشان‌دهنده دقت بالاي اين الگوريتم در نمونه‌هاي زماني مختلف است.