Waarom is dit belangrijk?
Hierdoor kunnen computers hun beslissingen regelmatig bijstellen zodra nieuwe situaties afwijken van de voorbeelden waarmee zij eerder werkten. Onderzoekers in de informatica gebruiken de evoluerende classificatiefunctie bij projecten in onderzoeksomgevingen die niet stabiel zijn. Op school en ook op het werk kunnen uitkomsten daardoor meebewegen met veranderde omstandigheden, al kan een vergissing uit het begin in latere beslissingen blijven doorwerken.
Zo werkt het in de praktijk
Een evoluerende classificatiefunctie wordt gebruikt bij datastroommining. Een systeem haalt dan kennis uit een doorlopende reeks, zoals netwerkverkeer of sensorgegevens. Het leest de reeks vaak één keer en voorspelt de klasse van een nieuw geval.
Onderzoek in machine learning bekijkt of de verdeling van de gegevens in de tijd verandert. Die verandering heet concept drift: de voorspelde klasse kan verschuiven. Het opsporen van concept drift is een centrale vraag in datastroommining.
Dit werk sluit aan bij incrementeel leren en online leren. Het model werkt zijn kennis bij met nieuwe voorbeelden en bewaart weinig oude gegevens. Online leren laat het model meteen op een nieuw geval reageren.




