scikit-multiflow 是一个用于 Python 中流数据的机器学习软件包。

---

creme (https://MaxHalford.github.io/) 和 scikit-multiflow (https://scikit-multiflow.github.io/) 正在合并为一个名为 River (https://github.com/online-ml/river/) 的新项目。

我们认为这两个项目拥有相同的愿景。我们相信，通过整合资源而非重复工作，将使双方受益。同时，我们也坚信这将惠及两个社区。新的项目将有更多的人参与开发，从而能够更高效地分配任务。这样一来，我们将能够开发更多功能，并提升项目的整体质量。

两个项目都将停止积极开发。尽管在过渡期内仅进行少量维护，但两者的代码仍将继续公开可用。新软件包的架构与 creme 非常相似，它将专注于单实例增量式模型。

我们鼓励用户使用 River 代替 creme。我们理解，对于现有用户来说，这一过渡在短期内需要付出额外的努力。然而，从长远来看，我们认为这对所有人都会更有利。

您仍然可以安装和使用 creme 以及 scikit-multiflow。这两个项目将继续保留在 PyPI、conda-forge 和 GitHub 上。

---

快速链接

• 官网
• 文档
• 社区

特性

增量学习

流式学习模型是逐步创建并持续更新的。它们非常适合对实时响应要求极高的大数据应用。

自适应学习

数据分布的变化会对学习造成损害。自适应方法专门设计用于在动态环境中对概念漂移变化保持鲁棒性。

资源高效

鉴于数据流的无限性，流式技术能够高效地管理内存和处理时间等资源。

易于使用

scikit-multiflow 专为任何经验水平的用户设计。实验的设计、设置和运行都非常简单。现有的方法也易于修改和扩展。

流式学习工具

目前，scikit-multiflow 包含数据生成器、多输出/多目标流式学习方法、变化检测方法、评估方法等。

开源

scikit-multiflow 采用 BSD 3-Clause 许可证进行分发，由一个活跃、多元且不断壮大的 社区 开发和维护。

使用场景

以下任务在 scikit-multiflow 中得到支持：

监督学习

当处理带标签的数据时。根据目标类型的不同，可以是分类（离散值）或回归（连续值）。

单/多输出

单输出方法为分类预测单一目标标签（二分类或多分类），或为回归预测单一目标值。而多输出方法则可以在给定输入的情况下同时预测多个变量。

概念漂移检测

数据分布的变化可能会损害学习效果。漂移检测方法旨在检测到漂移时发出警报，并与学习方法结合使用，以提高其在不断变化的数据流中的鲁棒性。

无监督学习

当处理未标记的数据时。例如异常检测，其目标是识别出与大多数数据显著不同的罕见事件或样本。

---

Jupyter 笔记本

为了在 Jupyter Notebook 中显示 scikit-multiflow 的图表，我们需要定义正确的 matplotlib 后端来使用。这可以通过在笔记本的开头加入以下魔法命令来实现：

%matplotlib notebook

JupyterLab 是 Jupyter 的下一代用户界面，目前处于 beta 阶段，它可以显示交互式图表，但也有一些限制。如果您使用 JupyterLab，则当前的解决方案是使用 jupyter-matplotlib 扩展：

%matplotlib widget

引用 scikit-multiflow

如果 scikit-multiflow 对您的研究有所帮助，并且您希望在学术出版物中引用它，请使用以下 Bibtex 条目：

@article{skmultiflow,
  author  = {Jacob Montiel and Jesse Read and Albert Bifet and Talel Abdessalem},
  title   = {Scikit-Multiflow: A Multi-output Streaming Framework },
  journal = {Journal of Machine Learning Research},
  year    = {2018},
  volume  = {19},
  number  = {72},
  pages   = {1-5},
  url     = {http://jmlr.org/papers/v19/18-251.html}
}

scikit-multiflow 快速上手指南

scikit-multiflow 是一个专为 Python 设计的流数据机器学习包，支持增量学习、自适应概念漂移检测及资源高效处理。

重要提示：scikit-multiflow 与 creme 项目已合并为新项目 River。虽然 scikit-multiflow 仍可安装使用，但官方建议新用户直接使用 River 以获得更活跃的支持和新特性。本指南仅针对仍需使用 scikit-multiflow 的场景。

环境准备

• 操作系统：Linux, macOS, Windows
• Python 版本：3.5, 3.6, 3.7, 或 3.8
• 前置依赖：
  • numpy
  • scipy
  • pandas
  • matplotlib (用于绘图)
  • scikit-learn

安装步骤

推荐使用 pip 进行安装。国内用户可指定清华或阿里镜像源以加速下载。

方式一：使用 pip 安装（推荐）

pip install scikit-multiflow -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：使用 Conda 安装

如果你使用 Anaconda 或 Miniconda：

conda install -c conda-forge scikit-multiflow

方式三：Docker 安装

docker pull skmultiflow/scikit-multiflow

基本使用

以下示例演示如何创建一个简单的流数据分类任务：生成模拟数据流，初始化一个增量学习模型（如 Hoeffding Tree），并进行在线训练与评估。

1. 在 Jupyter Notebook 中配置绘图

若需在 Jupyter Notebook 中显示动态图表，请在单元格开头添加：

%matplotlib notebook

(注：若使用 JupyterLab，请使用 %matplotlib widget 并确保安装了 jupyter-matplotlib 扩展)

2. 代码示例

from skmultiflow.data import AGRAWALGenerator
from skmultiflow.trees import HoeffdingTreeClassifier
from skmultiflow.evaluation import EvaluatePrequential
from skmultiflow.metrics import AccuracyClassifier

# 1. 创建数据流生成器 (模拟带概念漂移的数据流)
stream = AGRAWALGenerator(classification_function=0, random_state=112)
stream.prepare_for_use()

# 2. 初始化分类器 (Hoeffding Tree 是经典的流数据决策树)
classifier = HoeffdingTreeClassifier()

# 3. 设置评估方法 (预序贯评估 Prequential Evaluation)
evaluator = EvaluatePrequential(
    show_plot=True,
    pretrain_size=200,
    max_instances=10000,
    n_wait=200,
    batch_size=1,
    output_file=None,
    metrics=['accuracy', 'kappa'],
    model_names=['Hoeffding Tree']
)

# 4. 运行评估
evaluator.evaluate(stream=stream, model=classifier, model_names=['Hoeffding Tree'])

说明

• AGRAWALGenerator: 内置的数据流生成器，用于测试算法。实际生产中可替换为自定义的数据加载器。
• HoeffdingTreeClassifier: 一种适用于无限数据流的决策树算法，能够单样本增量更新。
• EvaluatePrequential: 流数据专用的评估框架，采用“先测试后训练”机制，实时反映模型性能。