Prior-adaptatie tijdens inferentie voor onevenwichtige datastromen onder concept drift

arXiv:2610.33126v1, type aankondiging: nieuw. Samenvatting: Datastroomclassificatie onder concept drift en klassenonevenwichtigheid vereist dat modellen zich continu aanpassen en tegelijk sterke prestaties voor de minderheidsklasse behouden. Veel bestaande benaderingen vertrouwen op actief geheugenbeheer, waaronder het verwijderen van instanties, geheugenherstructurering, resampling en synthetische datageneratie. We presenteren PAI-KNN, een k-nearest neighbor-classificator die zich aanpast via prior-aanpassing tijdens inferentie in plaats van geheugenmodificatie. PAI-KNN ...