Анализ потока данных - Data stream mining

Анализ потоков данных (также известный как потоковое обучение) - это процесс извлечения структур знаний из непрерывных и быстрых записей данных. А поток данных - это упорядоченная последовательность экземпляров, которая во многих приложениях анализа потоков данных может быть прочитана только один раз или небольшое количество раз с использованием ограниченных вычислительных возможностей и возможностей хранения.^[1]

Во многих приложениях интеллектуального анализа потоков данных цель состоит в том, чтобы предсказать класс или значение новых экземпляров в потоке данных с учетом некоторых знаний о членстве в классе или значениях предыдущих экземпляров в потоке данных.^[2]Методы машинного обучения могут использоваться для автоматического изучения этой задачи прогнозирования на основе помеченных примеров. Часто концепции из области постепенное обучение применяются, чтобы справиться со структурными изменениями, онлайн обучение и запросы в реальном времени. Во многих приложениях, особенно работающих в нестационарных средах, распределение, лежащее в основе экземпляров, или правила, лежащие в основе их маркировки, могут изменяться со временем, то есть цель прогнозирования, класс, который должен прогнозироваться, или целевое значение, которое необходимо прогнозировать, могут измениться. через некоторое время.^[3] Эта проблема называется дрейф концепции. Обнаружение дрейф концепции является центральным вопросом при анализе потоков данных.^[4][5] Другие проблемы^[6] которые возникают при применении машинного обучения к потоковым данным, включают: частично и отложенные помеченные данные,^[7] восстановление после понижения концепции,^[1] и временные зависимости.^[8]

Примеры потоков данных включают трафик компьютерной сети, телефонные разговоры, транзакции банкоматов, веб-поиск и данные датчиков. Извлечение потоков данных можно рассматривать как подполе сбор данных, машинное обучение, и открытие знаний.

Программное обеспечение для анализа потоков данных

• MOA (массовый онлайн-анализ): бесплатное программное обеспечение с открытым исходным кодом, специально предназначенное для интеллектуального анализа потоков данных с изменением концепций. Имеет несколько алгоритмов машинного обучения (классификация, регресс, кластеризация, системы обнаружения выбросов и рекомендаций). Кроме того, он содержит метод предварительной оценки, методы дрейфа концепции EDDM, считыватель реальных наборов данных ARFF и генераторы искусственных потоков в виде концепций SEA, STAGGER, вращающаяся гиперплоскость, случайное дерево и функции на основе случайного радиуса. MOA поддерживает двунаправленное взаимодействие с Weka (машинное обучение).
• scikit-multiflow: Платформа машинного обучения для данных с несколькими выходами / метками и потоковых данных, реализованная на Python.^[9] scikit-multiflow содержит генераторы потоков, методы обучения потоков для одноцелевых и многоцелевых, детекторы смещения концепций, методы оценки и визуализации.
• StreamDM: StreamDM - это платформа с открытым исходным кодом для анализа потоков больших данных, использующая Spark Streaming.^[10] расширение основного Spark API. Одно из преимуществ StreamDM по сравнению с существующими фреймворками заключается в том, что он напрямую использует Spark Streaming API, который решает многие сложные проблемы базовых источников данных, такие как данные, вышедшие из строя, и восстановление после сбоев.
• RapidMiner: коммерческое программное обеспечение для обнаружения знаний, интеллектуального анализа данных и машинного обучения, также включающее интеллектуальный анализ потоков данных, изучение меняющихся во времени концепций и концепцию отслеживания дрейфа (если используется в сочетании с его плагином интеллектуального анализа потоков данных (ранее: плагин Concept Drift))

События

• Международный семинар по повсеместному интеллектуальному анализу данных проводится совместно с Международная объединенная конференция по искусственному интеллекту (IJCAI) в Пекине, Китай, 3-5 августа 2013 г.
• Международный семинар по обнаружению знаний из повсеместных потоков данных проводится совместно с 18-я Европейская конференция по машинному обучению (ECML) и 11-я Европейская конференция по принципам и практике обнаружения знаний в базах данных (PKDD) в Варшаве, Польша, в сентябре 2007 г.
• Симпозиум ACM по направлению потоков данных прикладных вычислений проводится совместно с Симпозиум ACM 2007 года по прикладным вычислениям (SAC-2007) в Сеул, Корея, в марте 2007 г.
• IEEE International Workshop on Mining Evolution and Streaming Data (IWMESD 2006) будет проводиться вместе с 2006 Международная конференция IEEE по интеллектуальному анализу данных (ICDM-2006) в Гонконг в декабре 2006 г.
• Четвертый международный семинар по открытию знаний из потоков данных (IWKDDS) будет проводиться вместе с 17-я Европейская конференция по машинному обучению (ECML) и 10-я Европейская конференция по принципам и практике обнаружения знаний в базах данных (PKDD) (ECML / PKDD-2006) в Берлин, Германия, в сентябре 2006 г.

Смотрите также

• Дрейф концепции
• Сбор данных
• Последовательный майнинг
• Алгоритм потоковой передачи
• Потоковая обработка
• Беспроводная сенсорная сеть
• Лямбда-архитектура

Книги

• Бифет, Альберт; Гавальда, Рикар; Холмс, Джефф; Пфарингер, Бернхард (2018). Машинное обучение для потоков данных с практическими примерами в MOA. Адаптивные вычисления и машинное обучение. MIT Press. п. 288. ISBN  9780262037792.
• Гама, Жоао; Габер, Мохамед Медхат, ред. (2007). Изучение потоков данных: методы обработки в сенсорных сетях. Springer. п. 244. Дои:10.1007/3-540-73679-4. ISBN  9783540736783.
• Ganguly, Auroop R .; Гама, Жоао; Omitaomu, Olufemi A .; Габер, Мохамед М .; Ватсавай, Ранга Р., ред. (2008). Обнаружение знаний из данных датчиков. Промышленные инновации. CRC Press. п. 215. ISBN  9781420082326.
• Гама, Жоао (2010). Обнаружение знаний из потоков данных. Интеллектуальный анализ данных и обнаружение знаний. Чепмен и Холл. п. 255. ISBN  9781439826119.
• Лугхофер, Эдвин (2011). Развивающиеся нечеткие системы - методологии, передовые концепции и приложения. Исследования в области нечеткости и мягких вычислений. 266. Гейдельберг: Springer. п. 456. Дои:10.1007/978-3-642-18087-3. ISBN  9783642180866.
• Сайед-Мухавех, Моамар; Лугхофер, Эдвин, ред. (2012). Обучение в нестационарной среде: методы и приложения. Нью-Йорк: Спрингер. п. 440. CiteSeerX  10.1.1.709.437. Дои:10.1007/978-1-4419-8020-5. ISBN  9781441980199.

Рекомендации

1. Gomes, Heitor M .; Бифет, Альберт; Читай, Джесси; Барддал, Жан Поль; Энембрек, Фабрисио; Пфарингер, Бернхард; Холмс, Джефф; Абдессалем, Талел (01.10.2017). «Адаптивные случайные леса для эволюционирующей классификации потоков данных». Машинное обучение. 106 (9): 1469–1495. Дои:10.1007 / s10994-017-5642-8. ISSN  1573-0565.
2. Медхат, Мохамед; Заславский; Кришнасвами (01.06.2005). «Майнинг потоков данных». Запись ACM SIGMOD. 34 (2): 18–26. Дои:10.1145/1083784.1083789. S2CID  705946.
3. Лемэр, Винсент; Сальпервик, Кристоф; Бонду, Алексис (2015), Зимани, Эстебан; Куче, Ральф-Детлеф (ред.), "Обзор контролируемой классификации потоков данных", Business Intelligence: 4-я Европейская летняя школа, eBISS 2014, Берлин, Германия, 6–11 июля 2014 г., Учебные лекции, Конспект лекций по обработке деловой информации, Springer International Publishing, стр. 88–125, Дои:10.1007/978-3-319-17551-5_4, ISBN  978-3-319-17551-5
4. Уэбб, Джеффри I .; Ли, Лунг Куан; Петижан, Франсуа; Гёталс, Барт (2017-04-02). «Понимание дрейфа концепций». arXiv:1704.00362 [cs.LG ].
5. Гама, Жоао; Жлиобайте; Бифет; Печеницкий; Бучачиа (01.03.2014). «Обзор адаптации концепции дрейфа» (PDF). Опросы ACM Computing. 46 (4): 1–37. Дои:10.1145/2523813. S2CID  207208264.
6. Гомеш, Эйтор Мурило; Читать; Бифет; Барддал; Гама (26 ноября 2019 г.). «Машинное обучение для потоковой передачи данных». Информационный бюллетень ACM SIGKDD Explorations. 21 (2): 6–22. Дои:10.1145/3373464.3373470. S2CID  208607941.
7. Гженда, Мацей; Гомеш, Эйтор Мурило; Бифет, Альберт (2019-11-16). «Отсроченная оценка маркировки для потоков данных». Интеллектуальный анализ данных и обнаружение знаний. Дои:10.1007 / s10618-019-00654-у. ISSN  1573-756X.
8. Жлиобайте, Индре; Бифет, Альберт; Читай, Джесси; Пфарингер, Бернхард; Холмс, Джефф (2015-03-01). «Методы оценки и теория принятия решений для классификации потоковых данных с временной зависимостью». Машинное обучение. 98 (3): 455–482. Дои:10.1007 / s10994-014-5441-4. ISSN  1573-0565.
9. Монтиэль, Джейкоб; Читай, Джесси; Бифет, Альберт; Абдессалем, Талел (2018). «Scikit-Multiflow: фреймворк потоковой передачи с несколькими выходами». Журнал исследований в области машинного обучения. 19 (72): 1–5. arXiv:1807.04662. Bibcode:2018arXiv180704662M. ISSN  1533-7928.
10. Захария, Матей; Дас, Татхагата; Ли, Хаоюань; Хантер, Тимоти; Шенкер, Скотт; Стойка, Ион (2013). «Дискретизированные потоки». Материалы Двадцать четвертого симпозиума ACM по принципам операционных систем - SOSP '13. Нью-Йорк, Нью-Йорк, США: ACM Press: 423–438. Дои:10.1145/2517349.2522737. ISBN  978-1-4503-2388-8.