CLASIFIers and ensamble of clasifiers based on decision trees that handle concept drift
Year: 2010
Type: article
Abstract: "En un gran número de problemas los datos proceden de entornos dinámicos y son adquiridos a lo largo del tiempo, lo que obliga a procesarlos de forma secuencial. Frecuentemente, se producen cambios que provocan que el modelo construido con datos anteriores sea inconsistente con los datos actuales y sea necesaria una actualización del mismo. Este problema, conocido por cambio de concepto complica la tarea del aprendizaje para la construcción de un modelo. En este trabajo se realiza una revisión de las técnicas existentes de aprendizaje con cambio de concepto centrándose fundamentalmente en árboles de decisión, considerando diferentes tipos de cambio y peculiaridades del problema."
Source: INTELIGENCIA ARTIFICIAL
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W2012389747