온라인 평가의 어려움
동적 스트림을 현실적으로 평가하기 어려워 연구마다 다른 휴리스틱과 모의실험을 사용할 수 있다. 원 연구는 공통 기준이 없으면 실제 성능과 방법 사이의 비교를 해석하기 어렵다는 문제를 다뤘다.
평가 속성과 전략
변화하는 스트림의 학습에 필요한 속성을 제안하고 온라인 예측, 특징 선택, 개념 변화 탐지의 성능 척도와 평가 전략을 논의했다. 온라인 방법의 해석 가능성도 평가 관점에 포함했다.
모듈식 통합
제안한 기준을 float 프레임워크에 구현했다. River나 scikit-multiflow와 사용자 코드를 동시에 통합할 수 있는 모듈식 구성을 통해 비교 실험을 지원한다.
관련 문서
River 스트림 학습 도구 / scikit-multiflow / MOA 스트림 분석 도구 / 온라인 학습 / 개념 드리프트 / 특징 선택