학습과 실험의 환경
초기 연구는 지속적으로 변하는 자료에서 온라인 학습 방법을 구현하고 실험하는 소프트웨어 환경을 제안했다. 학습 방법의 모음과 평가 도구를 함께 제공하는 구성을 취했다.
초기 알고리즘 구성
2010년 논문에서 부스팅, 배깅, 회프딩 트리의 구현을 소개했다. 잎 노드에 나이브 베이즈 분류기를 사용하는 구성과 사용하지 않는 구성을 모두 포함했다.
다른 분석 도구와의 연결
MOA는 WEKA와 양방향으로 상호작용하도록 설계됐다. 초기 논문은 기존 분석 환경과 스트림 실험을 연결하는 공개 소프트웨어 기반을 설명했다.
관련 문서
River 스트림 학습 도구 / scikit-multiflow / 온라인 학습 / 배깅 / 기울기 부스팅 / 나이브 베이즈 분류기