Статья

Рассматриваются недостатки моделей классификации данных связанные с их объемом. Приводится описание распределённого метод обучения в режиме реального времени на основе линейно-регрессионных классификаторов применительно к системам, оперирующим высокоразмерными категорными данными. Рассматриваются два этапа обучения: первичное обучение и основной режим. Экспериментальная проверка работы модели поводилась на основе агрегированной оценки матрицы ошибок в качестве критерия качества. Сравнительный анализ предложенной модели проводился для классификаторов на основе сбалансированных деревьев, линейной регрессии, кластеризации и простых байесовых сетей. Разработанный метод демонстрирует гибкость к данным, простоту реализации и высокую производительность.