ビッグデータのためのストリーミング特徴選択アルゴリズム: サーベイ

多くの分野の組織は、毎日かなりの量の異種データを生成しています。このようなデータは、リアルタイムでこれらの組織の意思決定を向上させるために処理することができます。しかし、大規模で多様なデータセット（ビッグデータとして知られる）をリアルタイムで保存および処理することは困難です。機械学習において、ストリーミング特徴選択は、高次元データから関連するサブセットの特徴を選択し、学習の複雑さを減少させるための優れた技術と見なされています。関連文献では、ストリーミング特徴選択は、時間の経過とともに連続して到着する特徴を指します。特徴の数に関する正確な数字は欠けていますが、インスタンスの数は確立されています。この分野の多くの学者は、この問題の適切な解決策を見つけるためにストリーミング特徴選択アルゴリズムを提案しています。この論文では、これらの技術の徹底的で方法論的な紹介を行います。この研究では、従来の特徴選択アルゴリズムのレビューを提供し、次にストリーミング特徴選択を使用している現在のアルゴリズムを精査し、その強みと弱みを確認します。この調査は、ビッグデータ研究における現在の課題にも光を当てています。