Résumé
Dans les applications réelles, les flux de données ont des caractéristiques catégorielles, et les changements induits dans la distribution des données de ces caractéristiques catégorielles n'ont pas été étudiés de manière approfondie à ce jour. Des travaux antérieurs ont porté sur la détection des changements dans la précision des apprenants, mais sans tenir compte des changements dans la distribution des données. Pour faire face à ces problèmes, nous proposons une nouvelle méthode de détection de changement non supervisée bien adaptée aux flux de données catégoriques.