LMFD：潜在单调特征发现
摘要
世界上许多系统会老化、退化或以某种方向缓慢而稳定地变化。通过传感器监控此类系统时，人们常常假设某种'年龄'的潜在形式存在于数据中，但可能可用的传感器尚未提供这一有用信息。本文研究的任务是从可用的数据集中提取潜在的'年龄'代理，而无需明确知道'年龄'实际是什么。我们认为，当我们发现一个传感器或更可能的一些可用传感器的组合函数足够单调时，这个函数就可以充当我们正在寻找的代理。通过仔细定义的语法并以单调性为优化目标，其中单调性定义为时间与候选公式之间的绝对斯皮尔曼秩相关系数，该方法生成一组候选特征，然后对其进行拟合并评估单调性。该方法在人工生成数据集和两个真实数据集上进行评估。在所有实验中，我们展示该系统能够将单个单调性较低的传感器组合成潜在特征，从而获得高单调性。对于InfraWatch项目的真实数据集，该项目是结构健康监测项目，我们展示两个单个绝对斯皮尔曼ρ值为0.13和0.09的特征可以组合成一个代理，其绝对斯皮尔曼ρ值为0.95。这表明我们的方法能够找到可解释的方程，可作为系统'年龄'的代理。
引用
@article{arxiv.2510.19383,
title = {LMFD: Latent Monotonic Feature Discovery},
author = {Guus Toussaint and Arno Knobbe},
journal= {arXiv preprint arXiv:2510.19383},
year = {2025}
}
备注
This preprint has not undergone peer review or any post-submission improvements or corrections. The Version of Record of this contribution is published in Machine Learning and Principles and Practice of Knowledge Discovery in Databases, and is available online at https://doi.org/10.1007/978-3-031-74633-8_2