基于随机森林的概念漂移处理方法
人工智能
2016-02-16 v1 机器学习
统计理论
统计理论
摘要
概念漂移在智能电网分析中具有潜力，因为消费者的社会经济行为不受物理定律支配。同样，其在风电功率预测中也有应用。本文提出一种基于随机森林（Random Forest）算法的决策树集成分类方法以应对概念漂移。基于精度加权集成（AWE）方法的思想，采用加权多数投票集成聚合规则。在我们的方法中，基学习器权重在每次样本评估时利用基学习器精度与随机森林的内在邻近度度量计算。我们的算法同时利用样本的时间加权与集成剪枝作为遗忘策略。我们给出了该方法与融合了“替换失败者（replace-the-looser）”遗忘策略的原始随机森林以及其他先进概念漂移分类器（如AWE2）的实证比较结果。
引用
@article{arxiv.1602.04435,
title = {Random Forest Based Approach for Concept Drift Handling},
author = {A. Zhukov and D. Sidorov and A. Foley},
journal= {arXiv preprint arXiv:1602.04435},
year = {2016}
}