MARLINE：用于非平稳环境的多源映射迁移学习
机器学习
2025-09-11 v1 人工智能
摘要
概念漂移是在线学习中的主要问题，由于对数据流挖掘系统的预测性能产生影响。近期研究开始探索来自不同数据源的数据流，以策略应对给定目标域中的概念漂移。这些方法假设至少有一个源模型代表与目标概念相似的概念，但在许多实际场景中这一假设可能不成立。本文提出一种新方法，称为多源映射迁移学习用于非平稳环境（Multi-source mApping with tRansfer LearnIng for Non-stationary Environments，MARLINE）。即使在源概念与目标概念不匹配的情况下，MARLINE 也能从多个数据源获取知识。这一方法通过将目标概念投影到每个源概念的空间中，使多个源子分类器能够作为集成的一部分贡献于对目标概念的预测。在几个合成数据集和真实数据集上的实验表明，MARLINE 在多个最先进的数据流学习方法中具有更高的准确率。
引用
@article{arxiv.2509.08176,
title = {MARLINE: Multi-Source Mapping Transfer Learning for Non-Stationary Environments},
author = {Honghui Du and Leandro Minku and Huiyu Zhou},
journal= {arXiv preprint arXiv:2509.08176},
year = {2025}
}
备注
Published in the 2020 IEEE International Conference on Data Mining (ICDM)