面向流分类的软混淆矩阵分类器
机器学习
2021-09-17 v1
摘要
本文探讨了针对流学习任务定制基于软混淆矩阵（SCM）的分类器的问题。本工作的主要目标是开发一种包装式分类器，使那些无法增量学习的分类器能够进行增量学习。这一目标通过对先前开发的 SCM 分类器进行两处改进来实现。第一处旨在降低 SCM 分类器的计算成本，为此改变了对象模糊邻域的定义。第二处旨在有效处理概念漂移，通过采用 ADWIN 驱动的概念漂移检测器来实现，该检测器不仅用于检测漂移，还用于控制邻域大小。所获得的实验结果表明，所提出的方法显著优于参考方法。
引用
@article{arxiv.2109.07857,
title = {Soft Confusion Matrix Classifier for Stream Classification},
author = {Pawel Trajdos and Marek Kurzynski},
journal= {arXiv preprint arXiv:2109.07857},
year = {2021}
}