大規模オンライン分析

Massive Online Analysis ( MOA ) は、コンセプトドリフトを伴うデータストリームマイニングに特化した無料のオープンソースソフトウェアプロジェクトです。Java で記述されており、ニュージーランドのワイカト大学で開発されています。^[²^]

説明

MOAは、変化するデータストリーム上で機械学習やデータマイニングの実験を構築・実行できるオープンソースのフレームワークソフトウェアです。グラフィカルユーザーインターフェース（GUI）、コマンドライン、Java APIから使用できる学習器とストリームジェネレータのセットが含まれています。

MOAには、機械学習アルゴリズムのいくつかのコレクションが含まれています。

分類
- ベイズ分類器
  - ナイーブベイズ
  - ナイーブベイズ多項式
- 決定木分類器
  - 決断の難題
  - ホフディングツリー
  - ホフディングオプションツリー
  - ホフディング適応ツリー
- メタ分類器
  - 袋詰め
  - ブースト
  - ADWINを使用した袋詰め
  - 適応型サイズ・ホフディングツリーを用いた袋詰め作業。
  - 制限付きホフディング木のパーセプトロンスタッキング
  - バギングを活用する
  - オンライン精度更新アンサンブル
- 関数分類器
  - パーセプトロン
  - 確率的勾配降下法（SGD）
  - ペガソ
- ドリフト分類器
  - 自己調整記憶^{[ 3 ]}
  - 確率的適応ウィンドウ処理
- マルチラベル分類器^{[ 4 ]}
- アクティブラーニング分類器^{[ 5 ]}
回帰
- FIMTDD ^{[ 6 ]}
- AMRules ^{[ 7 ]}
クラスタリング^{[ 8 ]}
- StreamKM++
- クルーストリーム
- クラスツリー
- Dストリーム
- クモの巣。
外れ値検出^{[ 9 ]}
- 嵐
- 要約-C
- 代金引換
- MCOD
- AnyOut ^{[ 10 ]}
レコメンデーションシステム
- BRISMF予測
頻繁なパターンマイニング
- アイテムセット^{[ 11 ]}
- グラフ^{[ 12 ]}
変更検出アルゴリズム^{[ 13 ]}

これらのアルゴリズムは、大規模な機械学習、概念ドリフトへの対処、およびリアルタイムでのビッグデータストリーム処理向けに設計されています。

MOAはWekaとの双方向通信をサポートしています。MOAはGNU GPLライセンスの下でリリースされたフリーソフトウェアです。

参考文献

↑ 「リリース 24.07.0」。2024年7月18日。 2024年7月23日取得。
↑ Bifet, Albert; Holmes, Geoff; Kirkby, Richard; Pfahringer, Bernhard (2010). "MOA: Massive online analysis". The Journal of Machine Learning Research . 99 : 1601–1604 .
↑ Losing, Viktor; Hammer, Barbara; Wersing, Heiko (2017). "自己調整メモリ (SAM) による異質概念ドリフトへの対処". Knowledge and Information Systems . 54 : 171–201 . doi : 10.1007/s10115-017-1137-y . ISSN 0885-6125 . S2CID 29600755 .
↑ Read, Jesse; Bifet, Albert; Holmes, Geoff; Pfahringer, Bernhard (2012). "進化するデータストリームのためのスケーラブルで効率的なマルチラベル分類" . Machine Learning . 88 ( 1– 2): 243– 272. doi : 10.1007/s10994-012-5279-6 . ISSN 0885-6125 . S2CID 14676146 .
↑ Zliobaite, Indre; Bifet, Albert; Pfahringer, Bernhard; Holmes, Geoffrey (2014). "Active Learning With Drifting Streaming Data". IEEE Transactions on Neural Networks and Learning Systems . 25 (1): 27–39 . doi : 10.1109/TNNLS.2012.2236570 . ISSN 2162-237X . PMID 24806642. S2CID 14687075 .
↑ Ikonomovska, Elena; Gama, João; Džeroski, Sašo (2010). "Learning model trees from evolving data streams" (PDF) . Data Mining and Knowledge Discovery . 23 (1): 128– 168. doi : 10.1007/s10618-010-0201-y . ISSN 1384-5810 . S2CID 7114108 .
↑ Almeida, Ezilda; Ferreira, Carlos; Gama, João (2013). "データストリームからの適応型モデルルール". Advanced Information Systems Engineering . Lecture Notes in Computer Science. Vol. 8188. pp. 480–492 . CiteSeerX 10.1.1.638.5472 . doi : 10.1007/978-3-642-40988-2_31 . ISBN 978-3-642-38708-1ISSN 0302-9743
↑ Kranen, Philipp; Kremer, Hardy; Jansen, Timm; Seidl, Thomas; Bifet, Albert; Holmes, Geoff; Pfahringer, Bernhard (2010). "Clustering Performance on Evolving Data Streams: Assessing Algorithms and Evaluation Measures within MOA". 2010 IEEE International Conference on Data Mining Workshops . pp. 1400–1403 . doi : 10.1109/ICDMW.2010.17 . ISBN 978-1-4244-9244-2. S2CID 2064336 .
↑ジョージアディス、ディミトリオス。こんたき、マリア。グウナリス、アナスタシオス。パパドプロス、アポストロス N.チクラス、コスタス。マノロプロス、ヤニス (2013)。「データストリームにおける継続的な外れ値の検出」。データ管理に関する 2013 年の国際会議の議事録 - SIGMOD '13。 p. 1061.土井: 10.1145/2463676.2463691。ISBN 9781450320375. S2CID 1886134 .
↑ Assent, Ira; Kranen, Philipp; Baldauf, Corinna; Seidl, Thomas (2012). "AnyOut: ストリーミングデータにおけるいつでも外れ値検出". Database Systems for Advanced Applications . Lecture Notes in Computer Science. Vol. 7238. pp. 228–242 . doi : 10.1007/978-3-642-29038-1_18 . ISBN 978-3-642-29037-4ISSN 0302-9743
↑ Quadrana, Massimo; Bifet, Albert; Gavaldà, Ricard (2013). "MOAストリームマイニングシステムのための効率的なクローズド頻出アイテムセットマイナー". Frontiers in Artificial Intelligence and Applications . 256 (Artificial Intelligence Research and Development): 203. doi : 10.3233/978-1-61499-320-9-203 . hdl : 2117/99416 .
↑ Bifet, Albert; Holmes, Geoff; Pfahringer, Bernhard; Gavaldà, Ricard (2011). "進化するデータストリームにおける頻出閉グラフのマイニング".第17回ACM SIGKDD国際知識発見・データマイニング会議 - KDD '11 議事録. p. 591. CiteSeerX 10.1.1.297.1721 . doi : 10.1145/2020408.2020501 . ISBN 9781450308137. S2CID 8588858 .
↑ Bifet, Albert; Read, Jesse; Pfahringer, Bernhard; Holmes, Geoff; Žliobaitė, Indrė (2013). "CD-MOA: 大規模オンライン分析のための変更検出フレームワーク". Advances in Intelligent Data Analysis XII . Lecture Notes in Computer Science. Vol. 8207. pp. 92–103 . doi : 10.1007/978-3-642-41398-8_9 . ISBN 978-3-642-41397-1ISSN 0302-9743

外部リンク

ニュージーランドのワイカト大学にあるMOAプロジェクトのホームページ
Yahoo LabsのSAMOAプロジェクトのホームページ

[wikidata-4e8032f94a17d003ea066240055c8b00d02c8025-v20-1] 「リリース 24.07.0」。2024年7月18日。 2024年7月23日取得。

[bifet2010moa-2] Bifet, Albert; Holmes, Geoff; Kirkby, Richard; Pfahringer, Bernhard (2010). "MOA: Massive online analysis". The Journal of Machine Learning Research . 99 : 1601–1604 .

[LosingHammer2017-3] Losing, Viktor; Hammer, Barbara; Wersing, Heiko (2017). "自己調整メモリ (SAM) による異質概念ドリフトへの対処". Knowledge and Information Systems . 54 : 171–201 . doi : 10.1007/s10115-017-1137-y . ISSN 0885-6125 . S2CID 29600755 .

[ReadBifet2012-4] Read, Jesse; Bifet, Albert; Holmes, Geoff; Pfahringer, Bernhard (2012). "進化するデータストリームのためのスケーラブルで効率的なマルチラベル分類" . Machine Learning . 88 ( 1– 2): 243– 272. doi : 10.1007/s10994-012-5279-6 . ISSN 0885-6125 . S2CID 14676146 .

[ZliobaiteBifet2014-5] Zliobaite, Indre; Bifet, Albert; Pfahringer, Bernhard; Holmes, Geoffrey (2014). "Active Learning With Drifting Streaming Data". IEEE Transactions on Neural Networks and Learning Systems . 25 (1): 27–39 . doi : 10.1109/TNNLS.2012.2236570 . ISSN 2162-237X . PMID 24806642. S2CID 14687075 .

[IkonomovskaGama2010-6] Ikonomovska, Elena; Gama, João; Džeroski, Sašo (2010). "Learning model trees from evolving data streams" (PDF) . Data Mining and Knowledge Discovery . 23 (1): 128– 168. doi : 10.1007/s10618-010-0201-y . ISSN 1384-5810 . S2CID 7114108 .

[AlmeidaFerreira2013-7] Almeida, Ezilda; Ferreira, Carlos; Gama, João (2013). "データストリームからの適応型モデルルール". Advanced Information Systems Engineering . Lecture Notes in Computer Science. Vol. 8188. pp. 480–492 . CiteSeerX 10.1.1.638.5472 . doi : 10.1007/978-3-642-40988-2_31 . ISBN 978-3-642-38708-1ISSN 0302-9743

[KranenKremer2010-8] Kranen, Philipp; Kremer, Hardy; Jansen, Timm; Seidl, Thomas; Bifet, Albert; Holmes, Geoff; Pfahringer, Bernhard (2010). "Clustering Performance on Evolving Data Streams: Assessing Algorithms and Evaluation Measures within MOA". 2010 IEEE International Conference on Data Mining Workshops . pp. 1400–1403 . doi : 10.1109/ICDMW.2010.17 . ISBN 978-1-4244-9244-2. S2CID 2064336 .

[GeorgiadisKontaki2013-9] ジョージアディス、ディミトリオス。こんたき、マリア。グウナリス、アナスタシオス。パパドプロス、アポストロス N.チクラス、コスタス。マノロプロス、ヤニス (2013)。「データストリームにおける継続的な外れ値の検出」。データ管理に関する 2013 年の国際会議の議事録 - SIGMOD '13。 p. 1061.土井: 10.1145/2463676.2463691。ISBN 9781450320375. S2CID 1886134 .

[AssentKranen2012-10] Assent, Ira; Kranen, Philipp; Baldauf, Corinna; Seidl, Thomas (2012). "AnyOut: ストリーミングデータにおけるいつでも外れ値検出". Database Systems for Advanced Applications . Lecture Notes in Computer Science. Vol. 7238. pp. 228–242 . doi : 10.1007/978-3-642-29038-1_18 . ISBN 978-3-642-29037-4ISSN 0302-9743

[Quadrana2013-11] Quadrana, Massimo; Bifet, Albert; Gavaldà, Ricard (2013). "MOAストリームマイニングシステムのための効率的なクローズド頻出アイテムセットマイナー". Frontiers in Artificial Intelligence and Applications . 256 (Artificial Intelligence Research and Development): 203. doi : 10.3233/978-1-61499-320-9-203 . hdl : 2117/99416 .

[BifetHolmes2011-12] Bifet, Albert; Holmes, Geoff; Pfahringer, Bernhard; Gavaldà, Ricard (2011). "進化するデータストリームにおける頻出閉グラフのマイニング".第17回ACM SIGKDD国際知識発見・データマイニング会議 - KDD '11 議事録. p. 591. CiteSeerX 10.1.1.297.1721 . doi : 10.1145/2020408.2020501 . ISBN 9781450308137. S2CID 8588858 .

[BifetRead2013-13] Bifet, Albert; Read, Jesse; Pfahringer, Bernhard; Holmes, Geoff; Žliobaitė, Indrė (2013). "CD-MOA: 大規模オンライン分析のための変更検出フレームワーク". Advances in Intelligent Data Analysis XII . Lecture Notes in Computer Science. Vol. 8207. pp. 92–103 . doi : 10.1007/978-3-642-41398-8_9 . ISBN 978-3-642-41397-1ISSN 0302-9743

[

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

大規模オンライン分析

説明

関連項目

参考文献

外部リンク

関連するトピック

コンセプトドリフト

データストリームマイニング

オープンソースソフトウェア

、