读文章笔记-OSSFS-DD

• 文章
• 代码
• 文章主要贡献
• 内容
• • 公式(5)(6)的详细推倒
  • 对比其他7种算法
• 算法
• 思考

文章

Online Scalable Streaming Feature Selection via Dynamic Decision

代码

• https://github.com/doodzhou/OSFS

文章主要贡献

• 将特征分成选择，丢弃和延迟。提出基于动态决策的在线可扩展流特征选择算法。
• 通过算法降低总体决策风险。并且动态调整阈值，筛选出最富有信息的特征：1如果两个特征都>β,但是两个特征的联合信息<2β，那么就将候选特征子集的特征作为冗余信息抛弃；2如果两个特征都<β,但是两个特征的联合信息>2β，那么就将未决策的信息放入候选特征子集.
• 用11组数据集比较现有的7种流特征选择算法。

内容

• 预备的知识，总体方差计算公式：
  
• 预备的知识，正态分布：
  
• 关于Sc和Su的时间复杂度计算。
  

公式(5)(6)的详细推倒

对比其他7种算法

• 对比Alpha-investing[33]：只能为某些数据集选择前一两项特征，没有像本文算法那样有可扩展性。
• 对比 Fast-OSFS[21]：本文算法在跑GISETTE运行时间打败了它，因为Fast-OSFS导致关键信息丢失。所以本文算法是更稳定的算法。
• 对比SAOLA[29]：本文算法可以选择出比SAOLA算法更富有信息的特征。
• 对比OSFSMI[17]： 本文算法在DEXTER and GISETTE花费的运行时间优于OSFSMI。
• 对比GFSSF[7]：GFSSF对于相关性和冗余分析太苛刻，导致错过很多重要的信息。
• 对比OFS-A3M[36]：基于邻域粗糙集的OFS-A3M算法运行时间更大。OFS-A3M使用邻域信息进行特征选择，该特征选择可能受到样本分布的显著影响。但是OFS-A3M在一些数据集就用到了较少的样本。
• 对比OFS-Density[35]：基于邻域粗糙集的OFS-Density。不能处理分布不均匀的数据集。

算法

• 算法总体就是：1将t时刻获得的ft特征；2计算它的成员度，更新α和β的值；3如果ft的成员度<α就丢弃ft特征；4如果ft的成员度>β，就放入Sc强相关的候选特征子集；并且将fi和fj的的互信息<2β的冗余信息剔除；5如果α=2β的信息放入Sc中，清空Su。

思考

• 使用邻域粗糙集处理流特征。
• 一般基于邻域粗糙处理流特征，有很高的时间复杂度。文章就是提出的新的方法来应对，邻域粗糙集处理的流特征的高时间复杂度。文章中使用全局统计信息来选择信息量最大的特征的可扩展比例。
• 本文仅检查冗余和不确定性分析中两个特征之间的冗余和联合信息。在未来的工作中，我们将考虑三元组或更多变量的关系。