개념 드리프트를 검출하기 위해 기하 급수적으로 가중치를 적용한 이동 평균 차트. 스트리밍 데이터를 분류하는 것은 계산 효율이 좋고 스트림의 기본 분포의 변화에 대처할 수있는 기술 개발이 필요합니다. 이 현상은 문헌에서 컨셉 표류로 알려져 있습니다. 지수 가중 이동 평균 EWMA 차트를 사용하여 스트리밍 분류기의 오 분류 비율을 모니터링하는 컨셉 표류를 탐지하기위한 접근 방식 우리의 접근 방식은 모듈 식이어서 모든 기본 분류기와 병행하여 컨셉 드리프트 탐지 레이어를 추가로 제공 할 수 있습니다. 오버 헤드 O 1로 계산 효율이 높고 메모리에 데이터 포인트를 저장할 필요가없는 완전한 온라인 방식으로 작동합니다. 개념 드리프트 탐지에 대한 기존의 많은 방법과 달리, 본 방법은 오 탐지 (false positive detection) 비율을 제어하고 시간에 따라 일정하게 유지합니다. 단일 패스 및 계산 효율이 높은 개념 드리프트 검출 알고리즘을 제시합니다. 고주파 데이터 스트림에 배치에 적합합니다. 기존 방법과 달리 오 탐지 (false positive detection) 비율을 제어 할 수 있습니다. 실제 및 합성 데이터에 대한 실험은 고무적인 결과를 보여줍니다. 스트리밍 분류. 개념 드리프트 . 변경 감지. stat arXiv 1212 6018. 통계학 기계 학습. 개념 표류를 감지하기위한 기하 급수적으로 가중 된 이동 평균 차트. 2012 년 12 월 25 일에 제출됨. 초록 스트리밍 데이터를 분류하는 것은 계산 효율이 좋고 스트림의 기본 분포의 변화에 대처할 수있는 방법의 개발이 필요하며, 이는 개념 드리프트 (drift)로 알려진 현상이다. 개념을 검출하는 새로운 방법을 제안한다 스트리밍 분급 기의 오 분류 율을 모니터하기 위해 기하 급수 이동 평균 EWMA 차트를 사용하는 드리프트 우리의 접근 방식은 모듈 식이어서 어떤 기본 분류기와도 병렬로 실행되어 컨셉 드리프트 탐지 레이어를 추가로 제공 할 수 있습니다. 오버 헤드 O 1 및 메모리에 데이터 포인트를 저장할 필요가없는 완전한 온라인 방식으로 작동합니다. 개념 드리프트 탐지에 대한 기존의 많은 방법과는 달리, 본 방법은 오 탐지 (false positive detection) 비율을 제어하고 시간에 따라 일정하게 유지합니다. . 감각을 검출하기 위해 지수 가중 이동 평균 차트 pt 드리프트. 고든 존 로스 (Gordon J Ross), 니알 엠 아담스 (Niall M Adams), 디미트리리스 K 타 돌리스 (Dimitris K Tasoulis) 및 데이비드 손 (David J Hand). 스트리밍 데이터를 분류하는 것은 계산 효율이 좋고 스트림의 기본 분포의 변화에 대처할 수있는 방법의 개발이 필요하다. 개념 드리프트와 같은 문헌 우리는 스트리밍 분류기의 오 분류 비율을 모니터링하기 위해 지수 가중 이동 평균 EWMA 차트를 사용하는 컨셉 드리프트를 검출하는 새로운 방법을 제안한다. 우리의 접근 방식은 모듈 식이어서 어떤 기본 분류기와도 병렬로 실행되어 Concept of drift detection 또한 우리의 방법은 오버 헤드 O 1에서 계산적으로 효율적이며 메모리에 데이터 포인트를 저장할 필요가없는 완전한 온라인 방식으로 작동합니다. 컨셉 드리프트 탐지에 대한 기존의 많은 방법과 달리, 본 방법은 오 탐지 (false positive detection) 비율 시간이 지남에 따라 제어되고 일정하게 유지됩니다. 토픽 통계 - 기계 학습, 컴퓨터 과학 - 르 arning, Statistics - Applications. DOI 식별자. OAI 식별자.
No comments:
Post a Comment