.. _group-based fs:

Group-based FS
==============

.. container:: lang-en

   Hierarchical feature selection of the superdataset, port of ``dac_fs`` in
   ``FS_I+D.R``. The evaluators and searches that the script took from Weka
   (ReliefF, CfsSubsetEval, BestFirst, TabuSearch, WrapperSubsetEval) are
   implemented natively.

   **Inputs**: **Data** (table with class, output of **SuperDataset** or
   **GA Training**; rows without class are dropped), **Events** (optional; to
   group the features by substring of the event variable names, as in R —
   without it the source variable is parsed from the name generated by
   SuperDataset, and ``OUT_*`` form the ``OUT`` group) and **Learner**
   (optional; algorithm for the wrapper phase, Random Forest by default).

   **Outputs**: **Reduced Data** (only the selected features; class and meta
   attributes kept), **Group Relevance** (per group: max ReliefF, number of
   features, CFS-selected, CFS merit, relevant) and **Features** (per
   feature: ReliefF weight, group, phase reached, selected).

   **Phases**

   1. *Groups*: one group per source event variable.
   2. *ReliefF per group* (RReliefF for a numeric class): the group relevance
      is the maximum weight of its features. As in R a group is discarded
      only if its maximum is exactly 0; a threshold can also be required.
      Manhattan distance on normalised features; a missing value counts as
      the maximum difference.
   3. *CFS + BestFirst per group*: merit ``k·r_cf / sqrt(k + k(k-1)·r_ff)``
      with Pearson correlation (numeric class) or symmetric uncertainty on
      quantile-discretised features (nominal class). BestFirst stops after N
      expansions without improvement; optionally the *locally predictive*
      features are added (CfsSubsetEval default). The selections of all
      groups are united.
   4. *Express* (optional): global CFS on the union with tabu search.
   5. *Wrapper* (optional): BestFirst scoring each subset with the learner's
      cross-validation (−RMSE in regression, accuracy in classification). The
      most expensive phase.

   The run happens in the background and can be cancelled.

.. container:: lang-es

   Selección jerárquica de atributos del superdataset, port de ``dac_fs`` en
   ``FS_I+D.R``. Los evaluadores y búsquedas que allí se tomaban de Weka
   (ReliefF, CfsSubsetEval, BestFirst, TabuSearch, WrapperSubsetEval) están
   implementados de forma nativa.

   **Entradas**: **Data** (tabla con clase, salida de **SuperDataset** o de
   **GA Training**; las filas sin clase se descartan), **Events** (opcional;
   para agrupar los atributos por subcadena del nombre de sus variables, como
   R — sin ella la variable de origen se extrae del nombre generado por
   SuperDataset, y los ``OUT_*`` forman el grupo ``OUT``) y **Learner**
   (opcional; algoritmo para la fase *wrapper*, Random Forest por defecto).

   **Salidas**: **Reduced Data** (solo los atributos seleccionados; clase y
   metadatos conservados), **Group Relevance** (por grupo: máximo ReliefF,
   número de atributos, seleccionados por CFS, mérito CFS, relevante) y
   **Features** (por atributo: peso ReliefF, grupo, fase alcanzada,
   seleccionado).

   **Fases**

   1. *Grupos*: un grupo por variable de eventos de origen.
   2. *ReliefF por grupo* (RReliefF si la clase es numérica): la relevancia
      del grupo es el máximo peso de sus atributos. Como en R, un grupo se
      descarta solo si su máximo es exactamente 0; también puede exigirse un
      umbral. Distancia Manhattan sobre atributos normalizados; un valor
      ausente cuenta como diferencia máxima.
   3. *CFS + BestFirst por grupo*: mérito ``k·r_cf / sqrt(k + k(k-1)·r_ff)``
      con correlación de Pearson (clase numérica) o incertidumbre simétrica
      sobre atributos discretizados por cuantiles (clase nominal). BestFirst
      termina tras N expansiones sin mejora; opcionalmente se añaden los
      atributos *localmente predictivos* (comportamiento por defecto de
      CfsSubsetEval). Se unen los seleccionados de todos los grupos.
   4. *Express* (opcional): CFS global sobre la unión con búsqueda tabú.
   5. *Wrapper* (opcional): BestFirst evaluando cada subconjunto con la
      validación cruzada del learner (−RMSE en regresión, exactitud en
      clasificación). Es la fase más costosa.

   La ejecución corre en segundo plano y puede cancelarse.
