Resumen

En la era de los macrodatos, la selección de características es un proceso esencial en el aprendizaje automático. Aunque el problema del desequilibrio de clases ha atraído recientemente una gran atención, se han realizado pocos esfuerzos para desarrollar técnicas de selección de características. Además, la mayoría de las aplicaciones que implican la selección de características se centran en la precisión de la clasificación, pero no en el coste, aunque los costes son importantes. Para hacer frente a los problemas de desequilibrio, desarrollamos un algoritmo de selección de características sensible a los costes que añade la función de evaluación basada en los costes de un filtro de selección de características mediante un algoritmo genético del caos, denominado CSFSG. La función de evaluación tiene en cuenta tanto los costes de adquisición de características (costes de prueba) como los costes de clasificación errónea en el campo de la seguridad de redes, debilitando así la influencia de muchas instancias de la mayoría de clases en conjuntos de datos a gran escala. El algoritmo CSFSG reduce el coste total de la selección de características y compensa ambos factores. El comportamiento del algoritmo CSFSG se prueba en un conjunto de datos a gran escala sobre seguridad de redes, utilizando dos tipos de clasificadores: C4.5 y k -nearest neighbor (KNN). Los resultados de la investigación experimental muestran que el enfoque es eficaz y capaz de mejorar efectivamente la precisión de la clasificación y de reducir el tiempo de clasificación. Además, los resultados de nuestro método son más prometedores que los de otros algoritmos de selección de características sensibles a los costes.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Big data; selección de características; problema de desequilibrio de clases; sensible a los costes; función de evaluación; seguridad de la red.
• Keywords:Big data; feature selection; class imbalance problem; cost-sensitive; evaluation function; network security