استخراج داده وكاربردهاي آن و انتخاب ويژگي آنلاين براي استخراج داده بزرگ

يكي از جنبه هاي مهم در استخراج جريان داده ها اين است كه سيستم تجزيه و تحليل داده ، يادگيرنده ، هيچ كنترلي بر روي نمونه هاي سفارشي كه بيش از وقت تعيين شده ميرسند ،ندارد. الگوريتم هاي يادگيري بايد براي كنار آمدن با (نزديك شدن به) زمان واقعي و تقاضاهاي آنلاين به اندازه ي كافي سريع باشند.اكثر مطالعات آموزش آنلاين نياز به دسترسي به تمام صفات / ويژگي هاي موارد آموزش دارند. چنين تنظيمي براي برنامه هاي كاربردي دنياي واقعي هميشه مناسب نيست .چالش كليدي انتخاب ويژگي هاي آنلاين چگونه پيش بيني دقيق با استفاده از تعداد كم و ثابتي از ويژگي ها فعال است. اين در حالي است كه براي راه اندازي كلاسيك آموزش آنلاين در آن تمام ويژگي ها فعال هستند و مي توانند براي پيش بيني استفاده شوند.ما اين چالش را با مطالعه تنظيم داده هاي صفر(خالي) و تكنيك هاي كوتاه سازي خطاب ميكنيم. به طور خاص ، ما يك الگوريتم موثر براي حل مشكل ارائه ميدهيم، به تجزيه و تحليل نظري ميپردازيم، و عملكرد تجربي از الگوريتم پيشنهادي براي انتخاب ويژگي آنلاين بر روي چندين مجموعه داده هاي عمومي را ارزيابي ميكنيم. همچنين كاربرد تكنيك انتخاب ويژگي آنلاينمان را نشان ميدهيم براي مقابله با مشكلات دنياي واقعي از استخراج داده بزرگ، كه به طور قابل توجهي از برخي الگوريتم هاي دسته اي انتخاب ويژگي مشهور مقياس پذير تر است. نتايج بررسي اثر آزمايش هاي ما و بهره وري از تكنيك هاي پيشنهادي براي برنامه هاي كاربردي در مقياس بزرگ دلگرم كننده است.