面向概念漂移問(wèn)題的選擇性適應(yīng)集成學(xué)習(xí)方法研究.pdf

1、在當(dāng)前的大數(shù)據(jù)時(shí)代，增量學(xué)習(xí)作為一種能增量處理數(shù)據(jù)的方法變得愈發(fā)重要，而概念漂移問(wèn)題則是增量學(xué)習(xí)中亟待解決的一個(gè)關(guān)鍵問(wèn)題。目前為止，盡管有很多算法已經(jīng)被提出用來(lái)解決這個(gè)問(wèn)題，但是仍舊難以做到快速有效的響應(yīng)漂移的發(fā)生。在本文中，我們的主要研究就是如何有效解決增量學(xué)習(xí)中的概念漂移問(wèn)題。
　　我們首先提出了一種新的叫做STIL(SelectiveTransferIncrementalLearning)的方法來(lái)解決概念漂移這個(gè)難題。STI

2、L在經(jīng)典的基于數(shù)據(jù)塊集成算法基礎(chǔ)上使用了一種選擇性遷移的策略。以這種方式，STIL在通過(guò)遷移學(xué)習(xí)很好的適應(yīng)新概念的同時(shí)，制定了適當(dāng)?shù)倪x擇策略有效防止了遷移學(xué)習(xí)過(guò)程中可能發(fā)生的負(fù)遷移和過(guò)擬合問(wèn)題。我們將這個(gè)算法在15個(gè)合成數(shù)據(jù)集和3個(gè)真實(shí)數(shù)據(jù)集上進(jìn)行了評(píng)估，實(shí)驗(yàn)結(jié)果顯示STIL在幾乎所有數(shù)據(jù)集上都好于其它5個(gè)先進(jìn)的相關(guān)算法。
　　其次，我們研究了子模型適應(yīng)性對(duì)集成模型應(yīng)對(duì)概念漂移的影響。并通過(guò)實(shí)驗(yàn)分析發(fā)現(xiàn):包含一批具有過(guò)強(qiáng)適應(yīng)性的子