...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Progress in Artificial Intelligence >A survey on learning from data streams: current and future trends
【24h】

A survey on learning from data streams: current and future trends

机译：关于从数据流中学习的调查：当前和未来趋势

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Nowadays, there are applications in which the data are modeled best not as persistent tables, but rather as transient data streams. In this article, we discuss the limitations of current machine learning and data mining algorithms. We discuss the fundamental issues in learning in dynamic environments like continuously maintain learning models that evolve over time, learning and forgetting, concept drift and change detection. Data streams produce a huge amount of data that introduce new constraints in the design of learning algorithms: limited computational resources in terms of memory, cpu power, and communication bandwidth. We present some illustrative algorithms, designed to taking these constrains into account, for decision-tree learning, hierarchical clustering and frequent pattern mining. We identify the main issues and current challenges that emerge in learning from data streams that open research lines for further developments.
机译：如今，在某些应用程序中，最好将数据建模为持久表而不是持久性数据流。在本文中，我们讨论了当前机器学习和数据挖掘算法的局限性。我们讨论了动态环境中学习的基本问题，例如不断维护随时间演变的学习模型，学习和遗忘，概念漂移和变更检测。数据流产生大量数据，这些数据在学习算法的设计中引入了新的限制：在内存，CPU能力和通信带宽方面有限的计算资源。我们提出了一些说明性算法，旨在将这些约束考虑在内，用于决策树学习，分层聚类和频繁模式挖掘。我们确定从数据流学习中出现的主要问题和当前的挑战，这些数据流为进一步的发展打开了研究路线。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号