文献

J-GLOBAL ID：202102214516237460   整理番号：21A0069759

概念ドリフトによるディールへのナイーブアプローチ【JST・京大機械翻訳】

Naieve Approaches to Deal With Concept Drifts

著者 (4件)： Lisboa de Almeida Paulo R. (Univ. do Estado de Santa Catarina,Department of Computer Science,Joinville,SC,Brazil) ,  Oliveira Luiz S. (Univ. Federal do Parana ́,Department of Informatics,Curitiba,PR,Brazil) ,  Souza Britto Alceu de (Pontifi ́cia Universidade Cato ́lica do Parana ́,Graduate Program in Informatics (PPGIa),Curitiba,PR,Brazil) ,  Paul Barddal Jean (Pontifi ́cia Universidade Cato ́lica do Parana ́,Graduate Program in Informatics (PPGIa),Curitiba,PR,Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 1052-1059  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習における共通の問題は,代表的な実世界ラベル付きデータセットを見つけることであり,この方法を試験に置くことである。概念ドリフトを扱うアプローチを開発するとき,森林CoverタイプとNebraska気象のようないくつかのデータセットは,これらの概念ドリフトを示すかどうかに関するコンセンサスがないにもかかわらず,試験のための一般的な選択である。著者らは,いくつかのよく知られた実世界概念ドリフトデータセットが,ターゲットクラスにおける高い連続依存性を示し,わずかな変化しか持たないと主張する。これを念頭に置いて,概念ドリフトを扱う方法と比較するために使用するべきNaive法の使用を提案した。6つの実世界のよく知られた概念ドリフトデータセットを用いた実験結果は,Naiveアプローチが森林Coverタイプ,電力,およびNebraska気象のようなデータセットにおける可能な概念ドリフトを扱うためのいくつかの方法よりも良いことを示した。これらの結果は,いくつかの広く使用されたデータセットが概念ドリフトの観点から自明であり,従って,回避すべきか,少なくとも結果が提案されたNaive法と比較されるべきであることを示唆する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電力 ,  気象 ,  *ドリフト ,  機械学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 概念 ,  ドリフト