Глоссарий ИИ
Полный словарь искусственного интеллекта
Adaptive Random Forest
Расширение классического случайного леса для потоков данных, использующее деревья Хёффдинга в качестве основы и включающее механизмы обнаружения и адаптации к дрейфу концепции с динамическим перевзвешиванием классификаторов.
Online Bagging
Инкрементальный вариант бэггинга (Bootstrap Aggregating), в котором каждый экземпляр потока используется для обновления базовых классификаторов в соответствии с распределением Пуассона(1), что позволяет непрерывное обучение без необходимости наличия всего набора данных.
STAGGER Algorithm
Один из первых алгоритмов, демонстрирующих дрейф концепции, использующий взвешенные гипотезы, которые динамически адаптируются к концептуальным изменениям путем корректировки весов на основе правильных или неправильных прогнозов.
SAM-KNN (Self-Adjusting Memory KNN)
Вариант алгоритма k-ближайших соседей для потоков данных, который динамически регулирует размер памяти в зависимости от стабильности концепции, автоматически устраняя устаревшие экземпляры и сохраняя репрезентативные.
Leveraging Bagging
Улучшение онлайн-бэггинга, внедряющее стратегии случайного перевзвешивания для увеличения разнообразия базовых классификаторов и ускорения адаптации к изменениям концепции с теоретическими гарантиями производительности.
OzaBagging
Специфическая реализация алгоритма онлайн-бэггинга, предложенная Озой и Расселом, в которой каждый экземпляр потока взвешивается в соответствии с распределением Пуассона для имитации процесса начальной загрузки (bootstrap) в потоковой среде.
HAT (Hoeffding Adaptive Tree)
Расширение дерева Хёффдинга, включающее механизмы обнаружения изменений концепции с использованием ADWIN для оценки производительности узлов и динамической замены неэффективных поддеревьев новыми адаптированными структурами.
StreamDM
Фреймворк с открытым исходным кодом для интеллектуального анализа данных в потоках данных, реализованный на Scala для Spark, предоставляющий набор инкрементальных алгоритмов, оптимизированных для распределенной обработки крупномасштабных потоков.
MOA (Massive Online Analysis)
Environnement logiciel de référence pour l'évaluation et le développement d'algorithmes d'apprentissage incrémental, incluant des outils de génération de streams artificiels et des métriques d'évaluation adaptées au concept drift.
Accuracy Weighted Ensemble
Algorithme d'ensemble pour streams qui maintient une collection de classifieurs entraînés sur différentes périodes, avec pondération dynamique basée sur leur performance récente pour optimiser les prédictions face au drift conceptuel.
Concept Drift Velocity
Métrique quantifiant la vitesse à laquelle le concept sous-jacent évolue dans un flux de données, utilisée pour adapter dynamiquement la fréquence de mise à jour du modèle et l'allocation des ressources computationnelles.