Główne pojęcia
FSDR은 의사 시계열 데이터에서 중요한 특징을 효과적이고 효율적으로 선택할 수 있는 심층 학습 기반 알고리즘이다.
Streszczenie
이 연구에서는 FSDR이라는 심층 학습 기반 특징 선택 알고리즘을 제안한다. FSDR은 의사 시계열 데이터에 적합하게 설계되었으며, 기존 알고리즘의 한계를 해결한다.
주요 내용은 다음과 같다:
FSDR은 특징 차원에 걸쳐 학습 가능한 매개변수를 조정하여 목표 특징 부분집합을 업데이트하는 최초의 알고리즘이다.
FSDR은 원래 특징 크기에 크게 영향받지 않고 실행 시간을 유지할 수 있다.
FSDR은 적은 수의 학습 샘플로도 효과적으로 작동할 수 있다.
실험 결과, FSDR은 기존 알고리즘인 MI, LASSO, SFS와 비교했을 때 실행 시간 면에서 우수하며, R2와 RMSE 측면에서도 경쟁력 있는 성능을 보였다. 특히 원래 특징 크기가 크고 목표 특징 크기가 증가할수록 FSDR의 장점이 두드러졌다.
Statystyki
원래 데이터셋에서 목표 크기가 5일 때, 초기 선택 특징 집합의 R2는 0.60이었지만 학습 후 최종 집합의 R2는 0.72로 향상되었다.
이는 FSDR에서 학습 과정 중 특징 인덱스를 나타내는 학습 가능 매개변수가 실제로 업데이트되어 예측 성능이 향상되었음을 보여준다.