概念漂移(concept drift)是机器学习领域研究的重要问题之一.概念漂移是指数据的分布随着时间而发生变化,这些变化就使得在旧数据上建立的模型不再能适用于...
基于138个网页-相关网页
...过程称为真实概念漂 移（real concept drift），把环境变化导致数据集分布变化的过 程称为虚拟概念漂移（virtual concept drift），两者可以同时发 生，也町能只有虚拟概念漂移单独发生Ⅲ1。
基于8个网页-相关网页
CVFDT is capable of processing dynamic datasets, coping with concept drift and updating the model catering to incoming data.
CVFDT适合处理流动数据，随数据样本分布的变化更新模型，并能处理概念漂移。
参考来源 - 基于CVFDT的网络流量分类方法·2,447,543篇论文数据，部分数据来源于NoteExpress
概念漂移是数据流分类挖掘中的一个难点，它是伴随着数据流的时变性而产生的。
Concept drift, as a difficult point in the field of data stream mining, is generated with the accompany of time-varying data streams.
针对数据流中概念漂移的难题，引入了概念漂移检测和容忍策略来适应数据流分布的变化。
According to the key problem of concept-drift, tolerance strategy and detection of concept-drift have been applied to adapt the change of data stream.
实验结果表明，与基于投票或加权投票的集成方法相比，基于堆叠集成方法对概念漂移的快速适应能力以及预测准确率得到了提高。
Experiments show that comparing majority vote or weight vote ensemble classifiers, stacking ensemble classifiers has stronger ability in adapting to concept drifting and higher accuracy.
应用推荐