Classificazione robusta dei flussi mediante alberi decisionali con neutralizzazione temporale

Abstract degli autori

I flussi di dati sono caratterizzati dall’essere una fonte potenzialmente infinita di dati soggetta a non stazionarietà. Questa non stazionarietà, chiamata anche deriva del concetto, spesso fa sì che i modelli predittivi messi in produzione debbano essere riaddestrati continuamente, man mano che il processo sottostante di generazione dei dati del flusso cambia nel tempo. I rilevatori di deriva sono una classe di metodi usati per individuare questi cambiamenti e attivare le procedure di riaddestramento. Storicamente, l’apprendimento su flussi si è basato sull’assunto che le istanze vengano viste una sola volta e non possano essere conservate per un uso successivo. I lavori più recenti allentano questo assunto, ma il rilevamento della deriva e le semplici procedure di ripristino sono ancora ampiamente diffusi. Sulla base di lavori correlati che hanno mostrato come gli algoritmi tradizionali di apprendimento batch spesso superino quelli di apprendimento su flussi quando le istanze possono essere conservate, presentiamo Time Neutralising Trees (TNT), un’architettura ad albero decisionale che consente una classificazione robusta dei flussi in presenza di deriva del concetto. Durante l’addestramento, TNT filtra («neutralizza») i vecchi campioni di addestramento che non sono più pertinenti nel contesto attuale del flusso. Se queste istanze tornano a essere pertinenti, TNT le include nuovamente. Valutiamo TNT e gli algoritmi correlati su 24 flussi di dati di classificazione reali e semireali tratti dal repository USP DS. I risultati forniscono solide evidenze del fatto che TNT ottiene prestazioni migliori della categoria su un’ampia gamma di flussi di dati con diversi tipi di deriva del concetto.