LLT: An R package for Linear Law-based Feature Space Transformation

Resumen Técnico: Paquete de R LLT para la Transformación del Espacio de Características Basada en la Ley Lineal

Planteamiento del Problema
La clasificación de series temporales (TSC) sigue siendo una tarea desafiante en el aprendizaje automático y la minería de datos debido a los grandes volúmenes de datos, la alta dimensionalidad y la naturaleza continua de los datos temporales recopilados por sensores. Mientras que los enfoques existentes se categorizan generalmente en métodos basados en características (por ejemplo, la Transformada de Ondículas Discreta, la Transformada de Fourier Discreta) y métodos basados en distancias (por ejemplo, el Ajuste de la Curva Dinámica con 1-Vecino más Cercano), existe la necesidad de algoritmos que puedan transformar eficazmente los espacios de características para facilitar la clasificación de series temporales tanto univariantes como multivariantes.

Metodología
El artículo presenta el algoritmo de Transformación del Espacio de Características basado en la Ley Lineal (LLT) y su implementación como un paquete de R. La metodología central se basa en la identificación de "leyes lineales" —patrones que gobiernan las series temporales— mediante el uso de incrustación de retardo temporal (time-delay embedding) y descomposición espectral.

1. Definición de la Ley Lineal: Para una serie temporal $z_t$, una incrustación de retardo temporal de orden $l$ crea una matriz $A$. Luego se genera una matriz simétrica $S = A^\top A$. La "ley lineal" se define como el autovector $v$ correspondiente al autovalor más pequeño de $S$, que satisface $Sv \approx 0$. A diferencia del Análisis de Componentes Principales (PCA), que maximiza la varianza, este enfoque busca componentes que minimicen la varianza de los datos proyectados.
2. Proceso de Transformación:
   • Entrenamiento: El conjunto de datos se divide en conjuntos de entrenamiento y de prueba. Para cada serie de entrada (característica inicial) en el conjunto de entrenamiento, el algoritmo calcula las leyes lineales (autovectores) agrupadas por clase.
   • Prueba: Para las instancias de prueba, el algoritmo construye matrices $S$ a partir de la serie de entrada. Estas son multiplicadas por la izquierda por las matrices de leyes derivadas del entrenamiento ($V^j$) correspondientes a la misma característica inicial.
   • Selección de Características: Las matrices resultantes ($S^{te,j}V^j$) son analizadas. Las columnas con una varianza pequeña o media absoluta baja indican que los datos de prueba pertenecen a la misma clase que los datos de entrenamiento utilizados para derivar la ley. La dimensión se reduce seleccionando los vectores columna con la varianza y/o la media absoluta más pequeña (o una combinación clasificada de ambos) para cada clase y serie de entrada.

Contribuciones Clave
La contribución principal de este trabajo es el paquete de R LLT, la primera implementación de software del algoritmo LLT. Las características clave del paquete incluyen:

• Arquitectura Modular: El algoritmo se descompone en tres funciones principales (trainTest, trainLaw, testTrans) y dos funciones auxiliares (embed, linlaw). Esta modularidad facilita el desarrollo algorítmico posterior.
• Eficiencia: Para asegurar una baja demanda computacional, el paquete depende exclusivamente de funciones integradas de R en lugar de librerías externas de la comunidad.
• Flexibilidad y Usabilidad: El paquete está diseñado para ser fácil de usar, requiriendo solo parámetros esenciales (por ejemplo, ruta, ratio de prueba, dimensión, retardo, criterio de selección) mientras soporta datos univariantes y multivariantes.
• Disponibilidad Abierta: El paquete (v0.1.0) y un conjunto de datos de muestra con la estructura de directorios requerida están disponibles públicamente en GitHub bajo la Licencia Pública General GNU v3.0.

Resultos
El artículo valida el paquete utilizando el conjunto de datos PowerCons (consumo de energía eléctrica doméstica de EDF), categorizado en clases estacionales "Cálida" (Warm) y "Fría" (Cold).

• Configuración Experimental: Los autores realizaron 300 transformaciones con un ratio de prueba de 0.1 y una dimensión ($dim$) de 5.
• Desempeño: Utilizando una regla de clasificación simple (seleccionando la clase con la media absoluta más pequeña de las características transformadas), el método logró una precisión promedio del 87.204% con una desviación estándar de 5.536%.
• Contexto Comparativo: Los autores señalan que combinar LLT con el algoritmo k-Nearest Neighbor (KNN) ha arrojado resultados precisos con baja demanda computacional en otros estudios (Kurbucz et al., 2022a). Además, trabajos previos sobre el sistema de Reconocimiento de Actividad basado en el conjunto de datos de fusión de multisensores (AReM) demostraron que LLT aumentó significativamente la precisión de los clasificadores tradicionales, superando a los métodos de vanguardia tras la transformación del espacio de características.

Significancia y Reivindicaciones
El artículo posiciona al paquete LLT como una herramienta práctica que transforma la estructura de los conjuntos de características para facilitar la clasificación de datos de series temporales. Los autores enfatkan que el algoritmo ofrece una alternativa de baja complejidad computacional frente a los métodos existentes. La significancia del trabajo radica en proporcionar una implementación flexible, fácil de usar y eficiente que separa los pasos computacionales, permitiendo así a los investigadores desarrollar más algoritmos de aprendizaje basados en leyes lineales. Los autores mantienen un tono modesto, presentando el paquete como una implementación fundacional que facilita la aplicación del algoritmo LLT en lugar de reclamarlo como una solución universal para todos los problemas de TSC.