Mar, 2024

解决在线时间序列预测中的概念漂移问题：检测然后适应

PDF
TL;DR在线更新时间序列预测模型针对概念漂移通过基于流数据调整预测模型来解决挑战。我们提出了一种新颖的方法 D3A，首先检测概念漂移，然后在检测到漂移后积极调整当前模型以适应漂移的概念，从而快速适应。通过在现有的训练样例中引入高斯噪声的数据增强策略，我们提出了一种最大程度利用历史数据进行模型适应的方法。我们的实证研究跨越六个数据集，证明了 D3A 在提高模型适应能力方面的有效性。与简单的时间卷积网络（TCN）基准相比，D3A 将均方误差（MSE）平均降低了 43.9%。对于最先进的模型，MSE 降低了 33.3%。
online updatingtime series forecasting modelsconcept driftingd3amodel adaptation capability
发现论文，激发创造
  • DDG-DA：用于可预测概念漂移适应的数据分布生成

    本研究提出了一种基于 DDG-DA 的预测建模方法，结合对数据演化的预测和生成的方法，能够有效应对概念漂移，提高预测性能。

    Jan, 2022

  • MemDA：基于记忆的漂移自适应城市时间序列预测

    我们提出了一种新的城市时间序列预测模型，通过考虑数据中的周期性，并使用元动态网络根据漂移进行即时调整，以解决概念漂移问题。实验结果表明，我们的设计明显优于现有方法，并可以通过减小它们对分布变化的敏感性来很好地推广到现有的预测模型。

    Sep, 2023

  • 基于流式无标签数据的概念漂移可靠检测

    该论文提出了一种基于特征分类器的不依赖于数据分布或特定应用的无监督增量漂移检测算法，以实现在数据流中可靠地检测和适应概念漂移，并展示了在 6 个漂移诱导数据集和 4 个来自网络安全领域的附加数据集上的实验评估结果，表明该算法与无监督特征漂移检测器相比具有更少的误警，可以信任且适用性广泛。

    Mar, 2017

  • 利用历史知识适应概念漂移

    这篇论文介绍了一种新的集成学习方法，称为 Diversity and Transfer based Ensemble Learning（DTEL），用于处理概念漂移的增量学习。通过利用保留的历史模型和转移学习，DTEL 可以更有效地处理概念漂移，并通过对 15 个合成数据流和 4 个真实数据流的经验研究证明了其有效性。

    Feb, 2017

  • 文本流挖掘中的概念漂移适应性：综述

    这篇论文对文本流场景中的概念漂移适应进行了系统的文献综述，包括文本漂移类别、文本漂移检测类型、模型更新机制、流式挖掘任务、文本表示类型以及文本表示更新机制，并讨论了漂移可视化和模拟，列举了所选论文中使用的真实世界数据集。

    Dec, 2023

  • 在线测试时空交通流预测的自适应

    本研究介绍了一种用于空间 - 时间交通流预测问题的在线测试时适应技术，提出了自适应双重修正的系列分解（ADCSD）方法，通过两个独立的模块对已训练模型的输出进行季节和趋势周期分解，并在每次观测到数据条目时使用最新观测数据进行修正。该方法在四个真实世界交通流预测数据集上进行了广泛实验，证明了其有效性。

    Jan, 2024

  • 平稳概念漂移下基于非平稳批量数据的模型适应和无监督学习

    本文提出了一种迭代式无监督自适应预测模型算法，用于解决由于数据来源非平稳性导致的渐进性概念漂移问题，并在合成数据和真实数据上做了大量数值评估。

    Feb, 2020

  • 使用整体私有模型集的概念漂移检测

    深度神经网络（DNNs）是最广泛使用的机器学习算法之一。本文关注集成私有 DNNs 的概念来检测概念漂移，并引入一种名为 IPDD 的集成方法，不需要标签即可检测漂移。实验证明该方法在隐私性和效用上具有可比性。

    Jun, 2024

  • 概念漂移下的学习：一份综述

    本文针对数据流中的概念漂移进行了相关研究，分析法检测，理解和适应等漂移技术的发展趋势，并建立了一个包含三个主要组件的漂移学习框架：概念漂移检测，概念漂移理解和概念漂移适应。同时，本文还列举和讨论了 10 个流行的合成数据集和 14 个公共基准数据集，以评估处理概念漂移的学习算法的性能，涵盖和讨论了概念漂移相关的研究方向。通过提供最新的知识，本综述将直接支持研究人员对概念漂移学习领域的研究发展的理解。

    Apr, 2020

  • 针对物联网数据流的轻量级概念漂移检测和适应框架

    提出了自适应物联网数据分析框架，在优化的 LightGBM 和概念漂移适应的基础上实现异常检测。通过实验验证，该框架具有高准确性和效率，并且不需要人类干预即可进行连续学习和漂移自适应。

    Apr, 2021