Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Universidade do Porto | - |
Autor(es): dc.contributor | Universidade Federal do Maranhão (UFMA) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.creator | Rossi, André Luis Debiaso [UNESP] | - |
Autor(es): dc.creator | Soares, Carlos | - |
Autor(es): dc.creator | Souza, Bruno Feres de | - |
Autor(es): dc.creator | Ponce de Leon Ferreira de Carvalho, André Carlos | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:50:24Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:50:24Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-07-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.ins.2021.02.075 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/207483 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/207483 | - |
Descrição: dc.description | Data 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.description | São Paulo State University (Unesp), Campus of Itapeva | - |
Descrição: dc.description | Fraunhofer Portugal AICOS and LIAAD-INESC TEC Faculdade de Engenharia Universidade do Porto | - |
Descrição: dc.description | Universidade Federal do Maranhão (UFMA) | - |
Descrição: dc.description | Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo | - |
Descrição: dc.description | São Paulo State University (Unesp), Campus of Itapeva | - |
Formato: dc.format | 262-277 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Information Sciences | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Algorithm selection | - |
Palavras-chave: dc.subject | Meta-learning | - |
Palavras-chave: dc.subject | Time-changing data | - |
Título: dc.title | Micro-MetaStream: Algorithm selection for time-changing data | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: