Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/22652 
Erscheinungsjahr: 
2006
Schriftenreihe/Nr.: 
Technical Report No. 2006,06
Verlag: 
Universität Dortmund, Sonderforschungsbereich 475 - Komplexitätsreduktion in Multivariaten Datenstrukturen, Dortmund
Zusammenfassung: 
This paper proposes a boosting-like method to train a classifier ensemble from data streams. It naturally adapts to concept drift and allows to quantify the drift in terms of its base learners. The algorithm is empirically shown to outperform learning algorithms that ignore concept drift. It performs no worse than advanced adaptive time window and example selection strategies that store all the data and are thus not suited for mining massive streams.
Dokumentart: 
Working Paper

Datei(en):
Datei
Größe
327.53 kB





Publikationen in EconStor sind urheberrechtlich geschützt.