A survey on data preprocessing for data stream mining: Current status and future directions

پیش پردازش داده ها و کاهش آنها تکنیک های ضروری در حال حاضر سناریوهای کشف دانش هستند، که به وسیله مجموعه های داده های به طور فزاینده ای تحت سلطه قرار می گیرند. این روش ها به کاهش پیچیدگی ذاتی مجموعه داده های دنیای واقعی کمک می کند تا با استفاده از راه حل های داده کاوی به راحتی قابل پردازش باشند. مزایای چنین رویکردهایی شامل، از جمله، یک فرایند یادگیری سریع تر و دقیق تر و ساختار قابل درک تر از داده های خام است. با این حال، با توجه به تکنیک های پیش پردازش داده ها برای جریان داده ها، راه های طولانی در پیش روی آنها وجود دارد، به رغم آموزش آنلاین، با توجه به توسعه اینترنت و فن آوری برای جمع آوری داده های وسیع، در حال افزایش است. در طول این نظرسنجی، ما با جمع آوری، طبقه بندی و تجزیه و تحلیل این سهم در پیش پردازش اطلاعات که مقابله با داده های جریان است. این کار همچنین روابط موجود بین خانواده های مختلف روش ها (انتخاب ویژگی و نمونه و تقسیم بندی) را در نظر می گیرد. برای غنی سازی مطالعه ما آزمایش های کامل را با استفاده از مشارکت های مرتبط انجام می دهیم و تجزیه و تحلیل عملکرد پیش بینی شده، نرخ های کاهش، زمان محاسبات و استفاده از حافظه ارائه می کنیم. در نهایت، ما پیشنهادات کلی در مورد الگوریتم های پیش پردازش جریان داده ها را ارائه می دهیم و همچنین در مورد آینده ی چالش های پیش رو که در زمینه پیش پردازش داده ها مواجه هستیم، بحث می کنیم.