Entropy-resolved sensor selection for compact and interpretable temporal multisensor monitoring

Resumen Técnico: Selección de Sensores Basada en la Resolución de Entropía para el Monitoreo Temporat Temporal Compacto e Interpretable de Multisensores

Planteamiento del Problema
Los sistemas de monitoreo multisensorial suelen sufrir de heterogeneidad de canales, donde los sensores difieren en relevancia predictiva, estabilidad temporal, redundancia y completitud de datos. Los métodos convencionales de selección de sensores suelen clasificar los canales basándose en un único criterio estadístico (por ejemplo, varianza, información mutua o carga de PCA). Si bien son efectivos para la reducción de la dimensionalidad, estos enfoques a menudo fallan al identificar sensores que sigan siendo "operacionalmente accionables" bajo condiciones de campo que cambian temporalmente. Específicamente, no evalúan conjuntamente la información relevante para el objetivo, la estabilidad temporal, la no redundancia y la completitud de los datos a nivel de subconjunto, ni previenen estrictamente la fuga de información de ventanas de prueba futuras hacia el proceso de selección. Este estudio aborda la brecha de proporcionar un marco de retención de sensores compacto e interpretable a nivel de subconjunto que sea robusto ante la deriva temporal y la ausencia de datos.

Metodología: El Marco ESA
Los autores proponen el marco de Accionabilidad de Sensores por Resolución de Entropía (ESA, por sus siglas en inglés). A diferencia de la selección de características estándar que optimiza la precisión del clasificador, ESA trata la selección de sensores como un problema de retención de sensores de nivel superior. La metodología se basa en un diseño de validación temporal hacia adelante utilizando el conjunto de datos de sensores de campo de la UCI AirQuality (8,991 observaciones por hora limpias).

1. Protocolo de Validación Temporal: Los datos se particionan en 11 divisiones de prueba temporal hacia adelante. Los primeros tres meses sirven como la ventana de entrenamiento inicial, con cada mes subsiguiente actuando como una división de prueba. La alta exposición al benceno se define como el percentil 75 del gas de referencia (C6H6(GT)) calculado estrictamente dentro de la ventana de entrenamiento para evitar la fuga del objetivo (target leakage).
2. Funcional de Accionabilidad: Para un subconjunto de sensores candidato $A$, ESA calcula una puntuación de accionabilidad unificada $\Phi_m(A)$ basada en cuatro componentes estimados únicamente a partir de la ventana de entrenamiento:
   • Contribución de Información ($I$): Información mutua normalizada entre el estado discretizado del sensor y el objetivo binario.
   • Estabilidad Temporal ($S$): Medida mediante la divergencia de Jensen-Shannon entre la distribución del sensor en el bloque de entrenamiento reciente frente al historial de entrenamiento histórico.
   • No Redundancia ($R$): Calculada como $1 - \text{media}(|\text{correlación de Pearson}|)$ entre los sensores en el subconjunto.
   • Completitud ($C$): La proporción de lecturas válidas (no faltantes) en la ventana de entrenamiento.
3. Regla de Selección: El marco asigna pesos a estos componentes (0.50 para Información, 0.25 para Estabilidad, 0.15 para Redundancia, 0.10 para Completitud) y selecciona el subconjunto $A^*$ que maximiza la suma ponderada. La optimización se realiza mediante enumeración exhaustiva para los cinco sensores candidatos.
4. Comparadores: ESA se compara contra métodos de clasificación individual (Información Mutua, Correlación, Varianza, Carga de PCA, Baja Deriva, Baja Redundancia), selección aleatoria y un grupo de control de todos los sensores.
5. Pruebas de Robustez: El marco se somete a pruebas de estrés bajo tres condiciones: (a) estrés por falta de datos (10–30% de datos de prueba enmascarados e imputados mediante la mediana de entrenamiento), (b) deriva artificial (desplazamiento sistemático de localización-escala aplicado al sensor más informativo), y (c) validación dura estructural (eliminación del canal del sensor dominante, PT08.S2(NMHC)).

Resultados Clave

• Preservación Predictiva: Bajo la validación temporal normal, el subconjunto seleccionado por ESA (usando solo un sensor, PT08.S2(NMHC)) logró un macro-F1 medio de 0.9996, igualando el rendimiento del grupo de control de los cinco sensores. Este rendimiento es estadísticamente indistinguible de los mejores baselines de un solo criterio (Información Mutua, Correlación, PCA), pero ofrece una justificación de interpretabilidad unificada.
• Estabilidad de la Selección: El análisis de frecuencia de selección corregido reveló que PT08.S2(NMHC) fue seleccionado en el 100% de las divisiones temporales para $k=1$. Cuando $k=2$, PT08.S5(O3) emergió como el canal secundario más estable (frecuencia del 72.7%). Esto indica que ESA identifica una jerarquía consistente de sensores accionables en lugar de selecciones aleatorias específicas de cada división.
• Robustez a la Falta de Datos: Bajo estrés por falta de datos (hasta un 30% de datos de prueba faltantes), el subconjunto de ESA (usando $k=2$) mantuvo un rendimiento casi idéntico al de la línea base de todos los sensores, demostrando resiliencia a la indisponibilidad parcial de sensores.
• Limitaciones bajo Deriva: En escenarios de deriva artificial, el subconjunto de ESA mostró una reducción en el rendimiento (macro-F1 cayendo a 0.5722 con un 30% de deriva) en comparación con el ranking basado en varianza, que se mantuvo más estable. Los autores señalan explícitamente esto como un límite de la formulación actual.
• Validación Dura: Cuando se eliminó el sensor dominante (PT08.S2(NMHC)), el subconjunto de ESA se mantuvo competitivo (macro-F1 0.8798 con $k=4$), aunque no superó a la carga de PCA (0.8860). Esto confirma la capacidad del marco para redistribuir la accionabilidad entre los canales restantes en lugar de colapsar cuando se pierde un canal primario.

Significancia y Reivindicaciones
El artículo afirma que ESA proporciona una capa compacta, interpretable y temporalmente admisible para el monitoreo de multisensores en campo. Su principal significancia radica en el cambio de enfoque de la "optimización del clasificador" hacia la "accionabilidad del sensor". Al integrar información, estabilidad, redundancia y completitud en una sola regla, ESA permite la retención de un subconjunto mínimo de sensores que es operativamente viable bajo condiciones de campo cambiantes.

Los autores reivindican modestamente que ESA no ofrece necesariamente una precisión predictiva superior sobre todos los métodos competidores en cada escenario (notando que los métodos de un solo criterio funcionaron de manera igual en condiciones normales y que PCA funcionó mejor bajo validación dura); en su lugar, la contribución es el marco metodológico en sí mismo: una regla que produce una configuración de monitoreo teóricamente defendible. El marco respalda decisiones prácticas relativas a la priorización, el mantenimiento y la calibración de sensores al identificar sensores que no solo son predictivos, sino también estables y no redundantes a lo largo del tiempo. El estudio concluye que la accionabilidad de subconjuntos resuelta por entropía es un enfoque viable para lograr un monitoreo de sensores compacto e interpretable en datos de campo con estructura temporal.