一种基于无标签数据的概念漂移自适应方法、系统及终端

本发明公开了一种基于无标签数据的概念漂移自适应方法、系统及终端，所述方法包括：利用KL距离判断新数据是否发生概念漂移；当判定新数据发生概念漂移时，基于原随机森林模型，结合基尼系数、权重和密度差建立建树新准则，得到RFKL模型；基于新训练集，选择建树新准则的最小值对应的特征为分裂特征，利用分裂特征训练RFKL模型，得到训练好的RFKL模型；使用准确率作为评价指标评估训练好的RFKL模型的性能，将性能满足要求的训练好的RFKL模型作为概念漂移自适应后的RFKL模型。本发明直接使用无标签的新数据更新模型，实现基于无标签数据的概念漂移的自适应，省时省力。