Micro-MetaStream: Algorithm selection for time-changing data

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.contributorUniversidade do Porto-
Autor(es): dc.contributorUniversidade Federal do Maranhão (UFMA)-
Autor(es): dc.contributorUniversidade de São Paulo (USP)-
Autor(es): dc.creatorRossi, André Luis Debiaso [UNESP]-
Autor(es): dc.creatorSoares, Carlos-
Autor(es): dc.creatorSouza, Bruno Feres de-
Autor(es): dc.creatorPonce de Leon Ferreira de Carvalho, André Carlos-
Data de aceite: dc.date.accessioned2022-02-22T00:50:24Z-
Data de disponibilização: dc.date.available2022-02-22T00:50:24Z-
Data de envio: dc.date.issued2021-06-25-
Data de envio: dc.date.issued2021-06-25-
Data de envio: dc.date.issued2021-07-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1016/j.ins.2021.02.075-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/207483-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/207483-
Descrição: dc.descriptionData stream mining needs to deal with scenarios where data distribution can change over time. As a result, different learning algorithms can be more suitable in different time periods. This paper proposes micro-MetaStream, a meta-learning based method to recommend the most suitable learning algorithm for each new example arriving in a data stream. It is an evolution of MetaStream, which recommends learning algorithms for batches of examples. By using a unitary granularity, micro-MetaStream is able to respond more efficiently to changes in data distribution than its predecessor. The meta-data combines meta-features, characteristics describing recent data, with base-level features, the original variables of the new example. In experiments on real-world regression data streams, micro-metaStream outperformed MetaStream and a baseline method at the meta-level and frequently improved the predictive performance at the base-level.-
Descrição: dc.descriptionSão Paulo State University (Unesp), Campus of Itapeva-
Descrição: dc.descriptionFraunhofer Portugal AICOS and LIAAD-INESC TEC Faculdade de Engenharia Universidade do Porto-
Descrição: dc.descriptionUniversidade Federal do Maranhão (UFMA)-
Descrição: dc.descriptionInstituto de Ciências Matemáticas e de Computação Universidade de São Paulo-
Descrição: dc.descriptionSão Paulo State University (Unesp), Campus of Itapeva-
Formato: dc.format262-277-
Idioma: dc.languageen-
Relação: dc.relationInformation Sciences-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectAlgorithm selection-
Palavras-chave: dc.subjectMeta-learning-
Palavras-chave: dc.subjectTime-changing data-
Título: dc.titleMicro-MetaStream: Algorithm selection for time-changing data-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.