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

Resumo Técnico: Pacote R LLT para Transformação de Espaço de Características Baseada em Lei Linear

Problema
A classificação de séries temporais (TSC) continua sendo uma tarefa desafiadora em aprendizado de máquina e mineração de dados devido aos grandes volumes de dados, alta dimensionalidade e natureza contínua dos dados temporais coletados por sensores. Embora as abordagens existentes sejam geralmente categorizadas em métodos baseados em características (ex: Transformada Wavelet Discreta, Transformada de Fourier Discreta) e métodos baseados em distância (ex: Dynamic Time Warping com 1-Vizinho Mais Próximo), há uma necessidade de algoritmos que possam transformar efetivamente os espaços de características para facilitar a classificação de séries temporais univariadas e multivariadas.

Metodologia
O artigo apresenta o algoritmo de Transformação de Espaço de Características Baseada em Lei Linear (LLT) e sua implementação como um pacote R. A metodologia central baseia-se na identificação de "leis lineares" — padrões governantes dentro de séries temporais — utilizando incorporação por atraso temporal (time-delay embedding) e decomposição espectral.

1. Definição de Lei Linear: Para uma série temporal $z_t$, uma incorporação de atraso temporal de ordem $l$ cria uma matriz $A$. Uma matriz simétrica $S = A^\top A$ é então gerada. A "lei linear" é definida como o autovetor $v$ correspondente ao menor autovalor de $S$, satisfazendo $Sv \approx 0$. Diferente da Análise de Componentes Principais (PCA), que maximiza a variância, esta abordagem busca componentes que minimizam a variância dos dados projetados.
2. Processo de Transformação:
   • Treinamento: O conjunto de dados é dividido em conjuntos de treinamento e teste. Para cada série de entrada (característica inicial) no conjunto de treinamento, o algoritmo calcula as leis lineares (autovetores) agrupadas por classe.
   • Teste: Para instâncias de teste, o algoritmo constrói matrizes $S$ a partir da série de entrada. Estas são multiplicadas à esquerda pelas matrizes de lei derivadas do treinamento ($V^j$) correspondentes à mesma característica inicial.
   • Seleção de Características: As matrizes resultantes ($S^{te,j}V^j$) são analisadas. Colunas com pequena variância ou média absoluta indicam que os dados de teste pertencem à mesma classe que os dados de treinamento usados para derivar a lei. A dimensão é reduzida selecionando vetores de coluna com a menor variância e/ou média absoluta (ou uma combinação ranqueada de ambos) para cada classe e série de entrada.

Principais Contribuições
A principal contribuição deste trabalho é o pacote R LLT, a primeira implementação de software do algoritmo LLT. As principais características do pacote incluem:

• Arquitetura Modular: O algoritmo é decomposto em três funções principais (trainTest, trainLaw, testTrans) e duas funções auxiliares (embed, linlaw). Esta modularidade facilita o desenvolvimento algorítmico posterior.
• Eficiência: Para garantir uma baixa demanda computacional, o pacote baseia-se exclusivamente em funções nativas do R, em vez de bibliotecas externas da comunidade.
• Flexibilidade e Usabilidade: O pacote foi projetado para ser amigável ao usuário, exigindo apenas parâmetros essenciais (ex: caminho, razão de teste, dimensão, atraso, critério de seleção), enquanto suporta dados univariados e multivariados.
• Disponibilidade Aberta: O pacote (v0.1.0) e um conjunto de dados de amostra com a estrutura de diretórios necessária estão publicamente disponíveis no GitHub sob a Licença Pública Geral GNU v3.0.

Resultos
O artigo valida o pacote utilizando o conjunto de dados PowerCons (consumo de energia elétrica doméstica da EDF), categorizado em classes sazonais "Quente" (Warm) e "Frio" (Cold).

• Configuração Experimental: Os autores realizaram 300 transformações usando uma razão de teste de 0,1 e uma dimensão ($dim$) de 5.
• Desempenho: Utilizando uma regra de classificação simples (selecionando a classe com a menor média absoluta das características transformadas), o método alcançou uma acurácia média de 87,204% com um desvio padrão de 5,536%.
• Contexto Comparativo: Os autores observam que combinar LLT com o algoritmo k-Nearest Neighbor (KNN) já rendeu resultados precisos com baixa demanda computacional em outros estudos (Kurbucz et al., 2022a). Além disso, trabalhos anteriores sobre o sistema de Reconhecimento de Atividade baseado no conjunto de dados de fusão de multissensores (AReM) demonstraram que o LLT aumentou significamente a acurácia de classificadores tradicionais, superando métodos de última geração após a transformação do espaço de características.

Significância e Alegações
O artigo posiciona o pacote LLT como uma ferramenta prática que transforma a estrutura dos conjuntos de características para tornar os dados de séries temporais mais fáceis de classificar. Os autores enfatem que o algoritmo oferece uma alternativa de baixa complexidade computacional aos métodos existentes. A significância do trabalho reside em fornecer uma implementação flexível, amigável e eficiente que separa as etapas computacionais, permitindo assim que pesquisadores desenvolvam algoritmos de aprendizado baseados em leis lineares. Os autores mantêm um tom modesto, apresentando o pacote como uma implementação fundamental que facilita a aplicação do algoritmo LLT, em vez de reivindicar como uma solução universal para todos os problemas de TSC.