Data stream analysis
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu tezde veri ırmağı analizi için çevrimiçi makine öğrenmesi algoritmalarını araştırdık. Standart çevrimdışı algoritmaları gözden geçirdikten sonra çevrimdışından çevrimiçine dönüştürmeleri açıkladık ve sonra veri ırmağı madenciliği tekniklerinin geniş kapsamlı tanımlamasını ve analizini yaptık. Çevrimiçi gruplama ve sınıflandırma algoritmalarından örnek olarak özellikle çevrimiçi k-ortalama ve çok katmanlı algılayıcı modellerine odaklandık. Sayısal deneylerimizi yaptıktan sonra teorik ve deneysel analizlerimizi farklı bakış açıları kullanarak bu tezde algoritmaların çevrimiçi biçimleri için bu deneyler üzerinden anlattık. In this thesis we give a survey of online machine learning algorithms for data stream analysis. After giving an overview of standard batch algorithms, we explain batch-to-online conversion, and we give a in-depth description and analysis of data stream mining techniques. We particularly focus on online k-means algorithms and multilayer perceptron models as representative examples of online clustering and classification algorithms. We also present theoretical and empirical analyses of different approaches for online versions of these algorithms through numerical experiments.
Collections