基于平行坐标的 SVM 概念漂移可视化模型

在机器学习中，概念漂移是指使当前数据模型失效的信息演变。当输入数据的统计属性随时间以不可预见的方式变化时，便会发生概念漂移。处理动态变化数据时，概念漂移检测至关重要。其可视化可以为数据动态提供宝贵的洞察，尤其对于多维数据而言，这与视觉知识发现密切相关。我们提出了一种基于平行坐标的新颖可视化模型，称为通过时间的平行直方图。该模型表示连续时间平移窗口中特征分布的直方图。漂移表现为这些直方图的变化，通过连接连续时间窗口分布的均值来呈现。我们展示了这些图如何用于解释机器学习模型在选择漂移点时所作出的决策。通过在连续时间窗口的边缘隔离漂移，可在相邻窗口内实现无或最小漂移。我们在合成数据和真实数据集上对此概念进行了演示。在我们的实验中，我们使用一种由我们在前一工作中提出的递增/递减 SVM 结合平移窗口。通过我们提出的技术，不仅可以检测概念漂移的存在，还可以描绘其形态。这种信息可进一步用于解释变迁。我们的实验结果表明，这一方法具有进一步调查的潜力。