Drifterkennung und –behandlung

Thomas Bartz-Beielstein ()
Additional contact information
Thomas Bartz-Beielstein: TH Köln, Institut Data Science, Engineering, and Analytics

Chapter Kapitel 3 in Online Machine Learning, 2024, pp 25-39 from Springer

Abstract: Zusammenfassung Drift wurde in Abschnitt 1.2.2 eingeführt. Dieses Kapitel behandelt Methoden zur Drifterkennung und -behandlung, insbesondere für Konzeptdrift. Für die in Kapitel 2 dargestellten Algorithmen wird geklärt, inwiefern auf Konzeptdrift reagiert wird. Inwiefern im Gegenzug das katastrophale Vergessen ein Thema ist, wird in Abschnitt 4.3 beschrieben. Abschnitt 3.1 beschreibt drei Architekturen für die Implementierung von Drifterkennungsalgorithmen. Abschnitt 3.2 beschreibt grundlegende Eigenschaften fensterbasierter Ansätze. Abschnitt 3.3 stellt häufig verwendete Verfahren zur Drifterkennung vor. Abschnitt 3.4 beschreibt, wie die in Abschnitt 3.3 eingeführten Verfahren zur Drifterkennung in OML-Algorithmen zum Einsatz kommen und stellt die im Paket River implementierten baumbasierten OML-Verfahren zusammenfassend dar.

Date: 2024
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-46162-1_3

Ordering information: This item can be ordered from
http://www.springer.com/9783658461621

DOI: 10.1007/978-3-658-46162-1_3

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().