Stuffed:一个用于评估大型和未标记数据集上的静态分类器和流分类器的框架

酿的 填充框架-用于测试未标记数据流上的算法。 作者：Rob Lyon，曼彻斯特大学计算机科学学院和乔德雷尔银行天体物理学中心，曼彻斯特牛津路Kilburn楼，曼彻斯特M13 9PL。 联系方式： 或网站： 或或可替代 概述 Stuffed是WEKA和MOA分类算法的包装，可对未标记的数据流进行测试和评估。 使用MOA很难（或者我最后检查过）。 填充可通过使用自定义采样方法对大型数据集进行采样，使其包含以下内容，从而实现以下目的： - Varied levels of class balance in both test and training sets. - Varied levels of labelling in the test data streams. 自定义采样方法会在每次采样时生成元数据，从而可以对未标记的数据评估流分类器预测。 例如，如果流中的数据项未标记（？