研究人员提出时间中和决策树TNT以应对数据流概念漂移

1. 13:00
   arXiv 机器学习

   基于时间中和决策树的鲁棒数据流分类

   针对数据流中的概念漂移挑战，研究人员提出时间中和决策树（TNT）架构以实现鲁棒的流式分类。TNT 能在训练中动态过滤掉与当前流上下文不再相关的旧训练样本，并在这些样本重新相关时重新纳入。在 USP DS 仓库的 24 个真实与半真实数据流评测中，TNT 在不同概念漂移类型下均取得了同类最佳表现。

Current heat 8·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.