Ponencia
Aprendizaje Incremental de Reglas en Data Streams
Autor/es | Ferrer Troyano, Francisco Javier
Aguilar Ruiz, Jesús Salvador Riquelme Santos, José Cristóbal |
Coordinador/Director | Riquelme Santos, José Cristóbal |
Departamento | Universidad de Sevilla. Departamento de Lenguajes y Sistemas Informáticos |
Fecha de publicación | 2005 |
Fecha de depósito | 2023-05-03 |
Publicado en |
|
ISBN/ISSN | 84-9732-449-8 |
Resumen | En este artículo presentamos FACIL, un algoritmo de aprendizaje incremental dirigido a la clasificación de data streams numéricos. Mediante un esquema de ventana múltiple y una política de generalización moderada, nuestra ... En este artículo presentamos FACIL, un algoritmo de aprendizaje incremental dirigido a la clasificación de data streams numéricos. Mediante un esquema de ventana múltiple y una política de generalización moderada, nuestra propuesta genera reglas de decisión cuya inconsistencia es controlada mediante ejemplos internos que indican las variaciones en las fronteras de decisión a lo largo del tiempo. Esta estrategia proporciona dos grandes ventajas: 1) evitar revisiones innecesarias del modelo cuando la función objetivo presenta cambios virtuales, con lo que se reduce notablemente el coste computacional y 2) clasificar nuevos ejemplos de test por distancia mínima mediante el vecino más cercano. Para ampliar su campo de aplicación, FACIL proporciona además dos heurísticas de olvido, una implícita basada en el vecino más cercano para modelar distribuciones estacionarias, y otra explícita basada en frecuencia - mediante un parámetro de usuario - para modelar streams sujetos a concept drift y hidden context. |
Cita | Ferrer Troyano, F.J., Aguilar, J.S. y Riquelme Santos, J.C. (2005). Aprendizaje Incremental de Reglas en Data Streams. En III Taller Nacional de Minería de Datos y Aprendizaje (TAMIDA’2005) (261-270), Granada, España: Thomson-Paraninfo. |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
Aprendizaje Incremental de Reglas ... | 477.9Kb | [PDF] | Ver/ | |