使用真实世界数据基准化流学习算法的挑战
机器学习
2020-07-01 v2 机器学习
摘要
流数据在传感器测量、卫星数据流、股票市场与金融数据等真实世界应用中日益普遍。这些应用的主要特征是数据观测以高速在线到达，并且由于真实环境的动态特性而易受数据分布变化的影响。数据流挖掘界仍面临一些与比较和评估新提案相关的主要挑战与困难，主要源于缺乏公开可用的非平稳真实世界数据集。文献中提出的流算法比较并非易事，因为作者并非总是遵循相同的建议、实验评估流程、数据集与假设。在本文中，我们缓解流分类器和漂移检测器实验评估中与数据集选择相关的问题。为此，我们提出一个新的公共数据仓库，用于使用真实世界数据基准化流算法。该仓库包含文献中最流行的数据集以及涉及利用光学传感器识别病媒昆虫的高度相关公共卫生问题的新数据集。这些新数据集的主要优势在于其特性和变化模式的先验知识，以充分评估新的自适应算法提案。我们还深入讨论了导致不同类型数据分布变化的特征、原因与问题，并批判性回顾了文献中当前基准数据集的常见问题。
引用
@article{arxiv.2005.00113,
title = {Challenges in Benchmarking Stream Learning Algorithms with Real-world Data},
author = {Vinicius M. A. Souza and Denis M. dos Reis and Andre G. Maletzke and Gustavo E. A. P. A. Batista},
journal= {arXiv preprint arXiv:2005.00113},
year = {2020}
}
备注
Preprint of article accepted for publication in the journal Data Mining and Knowledge Discovery