Отбор признаков в нечетких системах бинарной классификации типа Ангелова–Ягера при обработке потоковых данных

Аннотация: Важной проблемой в сфере машинного обучения является поддержание обученных моделей в актуальном состо-янии на основе потоковых данных, так как существующие решения не всегда способны обновляться и обрабаты-вать данные в инкрементном режиме. Одно из существующих решений с поддержкой инкрементного обучения – нечеткие системы бинарной классификации типа Ангелова–Ягера первого порядка. Недостатком данных систем является то, что в режиме вывода-предсказания система работает на полном наборе признаков, даже если не все признаки являются информативными. В настоящей работе для указанных нечетких систем предложен комплекс-ный способ расчета важности признаков и проведен вычислительный эксперимент отбора признаков при обра-ботке потоковых данных на наборах данных по тематике обнаружения спама, фишинговых сайтов и атак на се-тевые соединения, выявлена статистически значимая разница по точности и числу правил в пользу применения предложенного способа расчета важности признаков.

Ключевые слова: бинарная клас-сификация, потоковые данные, отбор признаков, нечеткие системы типа ангелова–ягера