算法阅读：OcVFDT
2012-11-01
论文原文：
下面是阅读论文的笔记：
Problem:
- 现有的
Data stream分类器，都是supervised分类器； supervised分类器，要求：train set中instance都有已知的class标签；满足这样条件的train set很难获得。
解决办法：
- 提出
OcVFDT算法，效果：train set中，一部分instance已知class标签，剩余instance的class标签未知；
几个基本知识补充说明：
one-class分类：class只有2类，instance的标签只有两种值，A和非A，A又被称为target class；
OcVFDT有如下几个特点：
- 只解决
One-class的分类问题； train set：一部分instance的class为A，剩余instance为unknown；这两类instance在data stream中服从均匀分布；（对于已经明确class为非A的instance，直接丢弃，不计入train set）- 算法目前只处理离散属性，对于连续属性，可以先进行离散化处理在使用此算法；
- 不能处理
concept drift； - 内存空间有限，只扫描一次数据；
- 能够处理海量数据；
- 基于算法：
VFDT和POSC4.5；
OcVFDT基于VFDT的改进，本质仍然是决策树，但与VFDT不同的是：
- 采用
POSC4.5中使用的信息增益OcIG(A)，来衡量属性的分裂概率； - 生成一堆树，最后使用自己提出的参数
e(T)来选取最佳决策树；
疑问：OcVFDT是怎样被创造出来的？
难道是巧合，闭着眼睛瞎尝试，然后走了运，出了个算法？不是的，有依据，即使是一个证据不充分的灵感，那也是最初这样尝试的依据。
下面将深入分析OcVFDT算法的最初产生依据：（未完，待续）
原文地址：https://ningg.top/algorithm-ocvfdt/