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

Sintesi Tecnica: Pacchetto R LLT per la Trasformazione dello Spazio delle Caratteristiche basata sulla Legge Lineare

Problematica
La classificazione di serie temporali (TSC) rimane un compito complesso nel machine learning e nel data mining a causa delle grandi dimensioni dei dati, dell'alta dimensionalità e della natura continua dei dati temporali raccolti dai sensori. Sebbene gli approcci esistenti siano generalmente categorizzati in metodi basati sulle caratteristiche (ad esempio, Trasformata Wavelet Discreta, Trasformata di Fourier Discreta) e metodi basati sulla distanza (ad esempio, Dynamic Time Warping con 1-Nearest Neighbor), vi è la necessità di algoritmi che possano trasformare efficacemente gli spazi delle caratteristiche per facilitare la classificazione di serie temporali sia univariate che multivariate.

Metodologia
Il documento introduce l'algoritmo di Trasformazione dello Spazio delle Caratteristiche basata sulla Legge Lineare (LLT) e la sua implementazione come pacchetto R. La metodologia centrale si basa sull'identificazione di "leggi lineari" — schemi governanti all'interno delle serie temporali — utilizzando l'embedding a ritardo temporale (time-delay embedding) e la decomposizione spettrale.

1. Definizione di Legge Lineare: Per una serie temporale $z_t$, un embedding a ritardo temporale di ordine $l$ crea una matrice $A$. Viene quindi generata una matrice simmetrica $S = A^\top A$. La "legge lineare" è definita come l'autovettore $v$ corrispondente al più piccolo autovalore di $S$, che soddisfa $Sv \approx 0$. A differenza dell'Analisi delle Componenti Principali (PCA), che massimizza la varianza, questo approccio cerca componenti che minimizzino la varianza dei dati proiettati.
2. Processo di Trasformazione:
   • Training: Il dataset viene suddiviso in set di addestramento (training) e di test. Per ogni serie di input (caratteristica iniziale) nel set di addestramento, l'algoritmo calcola le leggi lineari (autovettori) raggruppate per classe.
   • Testing: Per le istanze di test, l'algoritmo costruisce le matrici $S$ a partire dalla serie di input. Queste vengono moltiplicate a sinistra dalle matrici delle leggi derivate dal training ($V^j$) corrispondenti alla stessa caratteristica iniziale.
   • Selezione delle Caratteristiche: Le matrici risultanti ($S^{te,j}V^j$) vengono analizzate. Le colonne con piccola varianza o media assoluta indicano che i dati di test appartengono alla stessa classe dei dati di addestramento utilizzati per derivare la legge. La dimensione viene ridotta selezionando i vettori colonna con la minima varianza e/o media assoluta (o una combinazione classificata di entrambi) per ogni classe e serie di input.

Contributi Chiave
Il contributo primario di questo lavoro è il pacchetto R LLT, la prima implementazione software dell'algoritmo LLT. Le caratteristiche chiave del pacchetto includono:

• Architettura Modulare: L'algoritmo è scomposto in tre funzioni principali (trainTest, trainLaw, testTrans) e due funzioni ausiliarie (embed, linlaw). Questa modularità facilita lo sviluppo algoritmico ulteriore.
• Efficienza: Per garantire una bassa richiesta computazionale, il pacchetto si affida esclusivamente a funzioni integrate di R piuttosto che a librerie esterne della comunità.
• Flessibilità e Usabilità: Il pacchetto è progettato per essere user-friendly, richiedendo solo i parametri essenziali (ad esempio, percorso, rapporto di test, dimensione, lag, criteri di selezione) pur supportando dati univariati e multivariati.
• Disponibilità Aperta: Il pacchetto (v0.1.0) e un dataset di esempio con la struttura delle directory richiesta sono pubblicamente disponibili su GitHub sotto la licenza GNU General Public License v3.0.

Risultati
Il documento valida il pacchetto utilizzando il dataset PowerCons (consumo di energia elettrica domestica da EDF), categorizzato nelle classi stagionali "Warm" (Caldo) e "Cold" (Freddo).

• Configurazione Sperimentale: Gli autori hanno eseguito 300 trasformazioni con un rapporto di test di 0,1 e una dimensione ($dim$) di 5.
• Performance: Utilizzando una semplice regola di classificazione (selezionando la classe con la minore media assoluta delle caratteristiche trasformate), il metodo ha raggiunto un'accuratezza media dell'87,204% con una deviazione standard del 5,536%.
• Contesto Comparativo: Gli autori osservano che la combinazione di LLT con l'algoritmo k-Nearest Neighbor (KNN) ha precedentemente prodotto risultati accurati con una bassa richiesta computazionale in altri studi (Kurbucz et al., 2022a). Inoltre, il lavoro precedente sul sistema di riconoscimento dell'attività basato sul dataset di fusione di multisensori (AReM) ha dimostrato che LLT ha aumentato significativamente l'accuratezza dei classificatori tradizionali, superando i metodi allo stato dell'arte dopo la trasformazione dello spazio delle caratteristiche.

Significatività e Rivendicazioni
Il documento posiziona il pacchetto LLT come uno strumento pratico che trasforma la struttura dei set di caratteristiche per rendere i dati delle serie temporali più facili da classificare. Gli autori sottolineano che l'algoritmo offre un'alternativa a bassa complessità computazionale rispetto ai metodi esistenti. La significatività del lavoro risiede nel fornire un'implementazione flessibile, facile da usare ed efficiente che separa i passaggi computazionali, consentendo così ai ricercatori di sviluppare ulteriormente algoritmi di apprendimento basati sulle leggi lineari. Gli autori mantengono un tono modesto, presentando il pacchetto come un'implementazione fondamentale che facilita l'applicazione dell'algoritmo LLT piuttosto che rivendicare una soluzione universale per tutti i problemi di TSC.