用于概念漂移检测的类分布监控
机器学习
2022-10-18 v1
摘要
我们提出类分布监控（CDM），一种有效的概念漂移检测方案，用于监控数据流的类条件分布。具体而言，我们的方案利用基于QuantTree的多个在线非参数变化检测算法实例。CDM在检测到任一类中分布变化后报告概念漂移，从而识别出受概念漂移影响的类。这对诊断与适配而言可能是宝贵的信息。我们在合成与真实世界数据流上的实验表明，当概念漂移仅影响少数类时，CDM优于监控整体数据分布的算法，而在漂移影响所有类时取得相似的检测延迟。此外，CDM优于监控分类误差的可比方法，尤其在变化不甚明显时。最后，我们证明CDM继承了底层变化检测器的性质，从而对误报前期望时间（即平均游程长度，ARL）实现了有效控制。
引用
@article{arxiv.2210.08470,
title = {Class Distribution Monitoring for Concept Drift Detection},
author = {Diego Stucchi and Luca Frittoli and Giacomo Boracchi},
journal= {arXiv preprint arXiv:2210.08470},
year = {2022}
}
备注
2022 International Joint Conference on Neural Networks (IJCNN)