《表1 实验中所用数据集的基本信息》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于决策树模型重用的分布变化流数据学习》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据集.我们采用8个数据集，其中包含2个合成数据集，CIR500G和SIN500G；以及6个真实数据集，Luxembourg，Weather，Gas Sensor，Powersupply，Electricity，Covertype.表1展示了所使用数据集的基本信息，包括数据集名称、样本数目、维度和类别数目.CIR500G合成数据集是CIRCLE数据集[17]的变种，数据属性为2维，决策边界为圆形，并通过调整圆的半径模拟分布变化.具体而言，数据决策空间为x12+x22 r，其中r={3，2.5，2，2.5，3，3.5，4，3.5}，变化周期为500.SIN500G合成数据集是SINE数据集[17]的变种，数据属性为2维，决策边界为正弦函数，并通过调整j角度模拟分布变化.具体而言，数据决策空间为sin（x1+θ） x2，其中θ0=0，?θ=π/60，变化周期为500.实验中所用到的真实数据集包含文本、气象、电费、森林覆盖率等多方面，样本数目规模从1900到最多的58万多，且包含二分类和多分类不同任务.详细的介绍可以参考文献[26]的附录1.