用于解释概念漂移的特征相关性分析——以人类活动识别为例

本文研究如何检测并解释概念漂移。以人类活动识别作为案例研究，并结合在线批量学习场景，其中用于模型更新过程的标签质量开始下降。漂移检测基于识别一组在漂移模型与已知准确模型之间相关性差异最大的特征，并监测这些特征的相关性随时间的变化。作为本文的主要结果，表明特征相关性分析不仅可用于检测概念漂移，而且在预定义有限个典型概念漂移原因时，还可用于解释漂移的缘由。为解释概念漂移的原因，研究了这些预定义原因如何影响特征相关性。事实上，表明它们各自对特征相关性具有独特影响，且这些影响可用于解释概念漂移的原因。