典型文献
数据流决策树集成分类算法综述
文献摘要：
数据流的集成分类方法可以提高预测精度或者可将复杂、困难的学习问题分解为更简单、容易的子问题,且对概念漂移有良好的适应性和恢复性.结合Bagging、Boosting和Stacking三种集成学习框架的工作原理和方法,分别对其相关决策树算法进行了分析和总结.详细介绍了数据流中的概念漂移问题,以及对不同类型的概念漂移的检测处理方法.从所属集成学习框架、对比算法、算法优缺点等多角度对数据流决策树集成分类算法进行了分析和总结.同时对数据流决策树集成分类算法的典型应用和主要平台作了详细介绍.对数据流集成分类领域中的研究趋势进行了探讨,并归纳出下一步的研究方向.
文献关键词：
分类;决策树;集成学习框架;概念漂移
中图分类号：
作者姓名：
申明尧;韩萌;杜诗语;孙蕊;张春砚
作者机构：
北方民族大学计算机科学与工程学院 宁夏银川750021
文献出处：
引用格式：
[1]申明尧;韩萌;杜诗语;孙蕊;张春砚-.数据流决策树集成分类算法综述)[J].计算机应用与软件,2022(09):1-10
A类：
B类：
数据流,集成分类,分类算法,分类方法,学习问题,问题分解,子问题,概念漂移,恢复性,Bagging,Boosting,Stacking,集成学习框架,决策树算法,对比算法,典型应用,研究趋势,出下
AB值：
0.309817
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
