一种基于分类错误率和一致性预测的概念漂移检测方法

摘要

本发明提出了一种基于分类错误率和一致性预测的概念漂移检测方法，属于计算机机器学习和信息安全技术领域。本方法首先通过计算模型分类错误率的变化来检测突变型概念漂移，然后通过计算分类错误的样本与分类正确的样本一致性程度来检测渐进型概念漂移，从而能及时检测突变型概念漂移和渐进型概念漂移，且保持较小的计算开销。本方法实现了在较低计算成本下对突变型概念漂移和渐进型概念漂移的检测，及时识别模型退化现象。本方法主要用于概念漂移检测，能有效作用于机器学习分类模型退化现象的早期判定，可以作为大数据环境下自动化分析和决策等各种应用领域的性能监测方法。