STUDD:一种基于师生范式的无监督概念漂移检测方法
机器学习
2021-03-09 v1 机器学习
摘要
概念漂移检测是数据流演化环境中的关键任务。大多数用于解决该问题的最先进方法通过监控预测模型的损失来实现。然而,这种方法在许多真实场景中存在不足,因为真实标签并非随时可得以计算损失。在此背景下,以无监督方式(即无需访问真实标签)执行概念漂移检测的方法受到越来越多的关注。我们提出了一种基于师生学习范式的无监督概念漂移检测新方法。本质上,我们创建一个辅助模型(学生)来模仿主模型(教师)的行为。在运行时,我们的方法使用教师预测新实例,并监控学生的模仿损失以进行概念漂移检测。在采用 19 个数据流的系列实验中,我们表明所提方法能够检测概念漂移,并相对于最先进方法表现出具有竞争力的行为。
引用
@article{arxiv.2103.00903,
title = {STUDD: A Student-Teacher Method for Unsupervised Concept Drift Detection},
author = {Vitor Cerqueira and Heitor Murilo Gomes and Albert Bifet and Luis Torgo},
journal= {arXiv preprint arXiv:2103.00903},
year = {2021}
}
备注
23 pages, single column