流式涌现新类下的分类：一种基于完全随机树的解决方案
机器学习
2016-05-31 v1
摘要
本文研究了流挖掘中的一个重要问题，即流式涌现新类(SENC)下的分类。通常的方法将其视为分类问题，并使用监督学习器或半监督学习器来解决。我们提出了一种替代方法，以无监督学习为基础来解决该问题。SENC问题可分解为三个子问题：检测涌现的新类、对已知类进行分类，以及更新模型以实现对新类样本的分类和检测更多涌现的新类。所提出的方法采用完全随机树(completely random trees)，文献表明其在无监督学习和监督学习中均能良好工作。据我们所知，这是首次将完全随机树作为单一通用核心来解决所有三个子问题：数据流中的无监督学习、监督学习和模型更新。我们展示了所提出的以无监督学习为重点的方法通常比现有的以分类为重点的方法取得显著更好的结果。
引用
@article{arxiv.1605.09131,
title = {Classification under Streaming Emerging New Classes: A Solution using Completely Random Trees},
author = {Xin Mu and Kai Ming Ting and Zhi-Hua Zhou},
journal= {arXiv preprint arXiv:1605.09131},
year = {2016}
}