شجرة الانحدار متعددة الأهداف عبر الإنترنت مع نماذج الورقة المكدسة

من بين التحديات الحالية في تعلم الآلة كيفية التعامل مع البيانات القادمة بمعدلات متزايدة في تدفقات البيانات. هناك حاجة إلى استراتيجيات تعلم تنبؤية جديدة للتعامل مع بيانات ذات معدل عالٍ وتغير المفاهيم. أحد مهام تعدين تدفقات البيانات التي تحتاج إلى استراتيجيات تعلم جديدة هو الانحدار متعدد الأهداف، نظرًا لتطبيقه في عدد كبير من المشكلات الواقعية. بينما تم اقتراح استراتيجيات تعلم موثوقة وفعالة للانحدار متعدد الأهداف بالدُفعات، فإن القليل منها قد تم اقتراحه للتعلم متعدد الأهداف عبر الإنترنت في تدفقات البيانات. بالإضافة إلى ذلك، لا يأخذ معظم الحلول الموجودة في الاعتبار حدوث الارتباطات بين الأهداف عند إجراء التنبؤات. في هذا العمل، نقترح استراتيجية تعلم عبر الإنترنت جديدة للانحدار متعدد الأهداف في تدفقات البيانات. تقوم الاستراتيجية المقترحة بتوسيع خوارزمية التعلم الشجرة القرارية عبر الإنترنت لاستكشاف الاعتمادات بين الأهداف أثناء إجراء التنبؤات. لهذا الغرض، تستخدم الاستراتيجية المقترحة، والتي تُعرف باسم شجرة هوفدينغ المتراكمة ذات الهدف الواحد (SST-HT)، الاعتمادات بين الأهداف كمصدر معلومات إضافي لتحسين دقة التنبؤ. من خلال تصميم تجربة شاملة، نقيم مقترحنا مقابل خوارزميات الشجرة القرارية الرائدة المستندة إلى الإنترنت للانحدار متعدد الأهداف. وفقًا لنتائج التجربة، فإن SST-HT تقدم دقة تنبؤ أعلى بكثير، مع زيادة طفيفة في وقت المعالجة والمتطلبات الذاكرة.