शोधकर्ताओं ने क्लस्टर-आधारित क्रमागत फीचर चयन (CSFS) का प्रस्ताव दिया है, जो नवीकरणीय ऊर्जा भविष्यवाणी पाइपलाइन में स्वचालित और कुशल फीचर चयन के लिए एक नया क्लस्टरिंग-आधारित wrapper विधि है। यह दृष्टिकोण उपलब्ध निगरानी और पर्यावरणीय चरों की बड़ी संख्या से इनपुट फीचर्स का चयन करने के लिए व्यवस्थित विधियों की कमी को दूर करता है।
- CSFS मॉडल-अज्ञेय है और हवा टर्बाइन पावर वक्र मॉडलिंग तथा फोटोवोल्टिक पावर भविष्यवाणी में विश्वसनीयता बढ़ाने के लिए डिज़ाइन किया गया है।
- पुनरुत्पादकता और पुनः उपयोग का समर्थन करने के लिए GitHub पर एक ओपन-सोर्स कार्यान्वयन प्रदान किया गया है।
- प्रायोगिक मूल्यांकन CSFS की तुलना wrapper-आधारित क्रमागत फीचर चयन (SFS), फिल्टर-आधारित विधियों और Random Forest के एम्बेडेड फीचर महत्व से करता है।
- अन्य तकनीकों की तुलना में wrapper-आधारित विधियाँ आमतौर पर बेहतर प्रदर्शन वाले फीचर्स का चयन प्रदान करती हैं।
- CSFS SFS के तुलनीय भविष्यवाणी प्रदर्शन प्राप्त करता है, जबकि औसतन 21% की कमी के साथ गणना लागत को कम करता है।
अध्ययन पर प्रकाश डालता है कि wrapper-आधारित विधियाँ श्रेष्ठ फीचर चयन प्रदर्शन प्रदान करती हैं, जिसमें CSFS सटीकता को त्यागे बिना मौजूदा क्रमागत दृष्टिकोणों के लिए अधिक कुशल विकल्प प्रदान करता है।