进行数据流分类就要有数据，在数据流分类任务中，训练数据与测试数据不是一次性可得的，数据流的数据与时间相关。在应用中选择采集一段时间的数据作为训练数据然后预测下一时间段的数据，然后再采集一段时间的数据作为训练数据预测下一时间段的数据，如此往复。即我们可以将上个月的数据作为训练数据调整模型，然后预测这个月的数据，得到这个月过后再用这个月的数据调整模型，预测下个月的数据，时刻保持模型在最优状态。           下面介绍一个数据流分类中最常用的数据流分类数据（合成数据）——SEA移动超平面概念（SEA Moving Hyperplane Concepts），简称SEA。该数据集来...

        分类是当前热门的机器学习任务之一，在华为极客大赛的用户属性预测、日常生活中的天气预测、以及点击率预估等各式各样的应用和研究中，随处可见数据分类的踪影，分类的成就什么的这里不会过多讨论，下面步入正题。           为区别与数据流分类，这里将传统分类问题称为静态分类问题。           在静态分类问题中，学习数据集样本可以表示为{x,y}，其中x是属性值向量，y是类别标签。在训练数据中，类别y已知，学习算法通过训练数据构造一个分类器模型，通过该模型我们可以给待分类数据预测类别。           而在数据流分类问题中，学习数据集样本表示为{xt,yt}，或许你会对此...

近期因为要找工作，所以对自己的研究方向做一下整理，从确定自己的研究方向到现在也有快一年半了，数据流分类不是什么热门的大方向，程序员神器github不能提供任何帮助，所有参考文献的代码只能自己仿真，如果你有幸读到了这篇文章，恰巧也是这个方向，我希望我的总结能在你前进的路上提供一些小小的帮助。