首页|数据流决策树集成分类算法综述

数据流决策树集成分类算法综述

A SURVEY OF DECISION TREE ENSEMBLE CLASSIFICATION ALGORITHMS OF DATA STREAMS

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
数据流的集成分类方法可以提高预测精度或者可将复杂、困难的学习问题分解为更简单、容易的子问题,且对概念漂移有良好的适应性和恢复性.结合Bagging、Boosting和Stacking三种集成学习框架的工作原理和方法,分别对其相关决策树算法进行了分析和总结.详细介绍了数据流中的概念漂移问题,以及对不同类型的概念漂移的检测处理方法.从所属集成学习框架、对比算法、算法优缺点等多角度对数据流决策树集成分类算法进行了分析和总结.同时对数据流决策树集成分类算法的典型应用和主要平台作了详细介绍.对数据流集成分类领域中的研究趋势进行了探讨,并归纳出下一步的研究方向.

申明尧、韩萌、杜诗语、孙蕊、张春砚

展开 >

北方民族大学计算机科学与工程学院 宁夏银川750021

分类 决策树 集成学习框架 概念漂移

61563001PY1902NXYKXY2017A07YCX19066

2022

10.3969/j.issn.1000-386x.2022.09.001

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(9)
  • 3
  • 1