A comprehensive active learning method for multiclass imbalanced data streams with concept drift

A challenge to many real-world applications is multiclass imbalance with concept drift. In this paper, we propose a comprehensive active learning method for multiclass imbalanced streaming data with concept drift (CALMID). First, we design a comprehensive online active learning framework that includ...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Knowledge-based systems Ročník 215; s. 106778
Hlavní autoři:	Liu, Weike, Zhang, Hang, Ding, Zhaoyun, Liu, Qingbao, Zhu, Cheng
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Amsterdam Elsevier B.V 05.03.2021 Elsevier Science Ltd
Témata:	Active learning Algorithms Classifiers Concept drift Data stream Data transmission Drift Imbalance Learning Machine learning Multiclass imbalance Online active learning Sliding Teaching methods Thresholds Uncertainty Multiclass imbalance Data stream Online active learning Concept drift
ISSN:	0950-7051, 1872-7409
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!