教師なしドリフト検出法の概観【JST・京大機械翻訳】

Gemaque Rosana Noronha; Gemaque Rosana Noronha; Costa Albert Franca Josua; Costa Albert Franca Josua; Giusti Rafael; dos Santos Eulanda Miranda

文献

J-GLOBAL ID：202002230054049120 整理番号：20A2362318

教師なしドリフト検出法の概観【JST・京大機械翻訳】

An overview of unsupervised drift detection methods

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2362318&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2362318&from=J-GLOBAL&jstjournalNo=W2768A") }}

著者 (6件)： , , , , ,
資料名：
巻： 10 号： 6 ページ： e1381 発行年： 2020年
JST資料番号： W2768A ISSN： 1942-4787 資料種別：逐次刊行物 (A)
記事区分：文献レビュー発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

気象監視,顧客選好の同定,インターネットログ分析,およびセンサ警報のような大きなデータを含む実際の応用は,データがストリーム中で生成される問題の事例であり,通常,リアルタイム分析を要求するので,困難なデータ解析を必要とする。そのようなデータストリーム問題におけるパターンは,急速に変化する可能性がある。従って,この文脈で動作する機械学習モデルは,時間とともに更新しなければならない。この現象は機械学習とデータマイニング文献における概念ドリフトと呼ばれる。データストリームから学習し,概念ドリフトを処理するために,いくつかの異なる方向を追求した。しかし,ほとんどのドリフト検出法は,これらの方法が,ベース分類器の予測結果または分類器のアンサンブルを監視することにより,その予測の後に,インスタンスクラスラベルが正しいことを考慮する。それにもかかわらず,この制約はいくつかの実際的問題において非現実的である。この制約に対処するために,いくつかの研究は,効率的な教師なしまたは半教師つき概念ドリフト検出器を提案することに集中している。教師つきドリフト検出器専用の興味深い最近の概観論文が発表されているが,シナリオは教師なし方法に関して同じではない。したがって,本研究は,教師なし方法で分類問題における概念ドリフトに取り組むアプローチの包括的な概観を提示する。付加的な貢献は,教師なし戦略に基づく概念ドリフト検出のための最先端の手法の提案した分類を含む。この論文は以下のように分類される:技術>分類技術>Machine学習。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (7件)： , , , , , ,

人工知能

, ,

前のページに戻る