《表3 ABCD, EFGH和NOPQ数据集概念定义表》

  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

《概念漂移数据流分类中的多源在线迁移学习算法》

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

注:+代表正类，-代表负类

Letter数据集共包含16维连续属性，26个字母，20000个样本。本文使用Letter数据集中的字母ABCD制作ABCD数据集，使用字母EFGH制作EFGH数据集，使用字母NOPQ制作NOPQ数据集。Letter原始数据集中并未包含概念漂移，为了产生概念漂移，Letter数据按照RTG数据集类似的方式重新标注正类和负类的类别标签，从而产生概念漂移。在各个字母产生的概念漂移数据集中，ABCD数据集、EFGH数据集和NOPQ数据集均包含3个新概念。为了使数据流中包含更多的概念并且考虑到数据量的关系，按照表3的顺序将每个新概念依次重复1次，之后再将第1个和第2个新概念再重复1次，因此共产生8个概念。在ABCD数据集、EFGH数据集和NOPQ数据集中，除最后一个重复概念外，每个概念均包含400个样本，每个字母各100个样本，所有的样本均为随机选择。将每个字符中剩余的数据组成最后一个重复概念。ABCD数据集、EFGH数据集和NOPQ数据集的概念分布如表3所列。