| Identifikační kód | RIV/00216224:14330/12:00061019 |
|---|
| Název v anglickém jazyce | Handling Time Changing Data with Adaptive Very Fast Decision Rules |
|---|
| Druh | D - Článek ve sborníku |
|---|
| Jazyk | eng - angličtina |
|---|
| Obor - skupina | I - Informatika |
|---|
| Obor | IN - Informatika |
|---|
| Rok uplatnění | 2012 |
|---|
| Kód důvěrnosti údajů | S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
|---|
| Počet výskytů výsledku | 1 |
|---|
| Počet tvůrců celkem | 2 |
|---|
| Počet domácích tvůrců | 1 |
|---|
| Výčet všech uvedených jednotlivých tvůrců | Petr Kosina (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 5283485)
Joao Gama (státní příslušnost: PT - Portugalská republika) |
|---|
| Popis výsledku v anglickém jazyce | Data streams are usually characterized by changes in the underlying distribution generating data. Therefore algorithms designed to work with data streams should be able to detect changes and quickly adapt the decision model. Rules are one of the most interpretable and flexible models for data mining prediction tasks. In this paper we present the Adaptive Very Fast Decision Rules (AVFDR), an on-line, any-time and one-pass algorithm for learning decision rules in the context of time changing data. AVFDR can learn ordered and unordered rule sets. It is able to adapt the decision model via incremental induction and specialization of rules. Detecting local drifts takes advantage of the modularity of rule sets. In AVFDR, each individual rule monitors the evolution of performance metrics to detect concept drift. AVFDR prunes rules that detect drift. |
|---|
| Klíčová slova oddělená středníkem | Data Streams; Decision Rules; Concept Drift |
|---|
| Stránka www, na které se nachází výsledek | http://dx.doi.org/10.1007/978-3-642-33460-3_58 |
|---|
| DOI výsledku | 10.1007/978-3-642-33460-3_58 |
|---|