其实内容都是从官网来的，不过官网是英文的，想看的大家可以看下，希望可以帮到大家。
论文名称：SAMOA: Scalable Advanced Massive Online Analysis
来自于：IEEE journal of machine learning research
背景知识：
流数据：
1.数据实时达到。
2.数据到达依次独立，处理系统无法处理数据的到达顺序。
3.数据量巨大，不能预知大小
4.单次扫描，被处理后就被抛弃或存档，以后想再获取使用这些数据很困难。
数据来源：
用户点击，搜索查询，新闻，微博，金融股票，信用卡交易，日志等等。
常用平台：S4,Storm,Samza.
Apache SAMOA is a distributed streaming machine learning (ML) framework that contains a programing abstraction for distributed streaming ML algorithms
一个可用于开发分布式流机器学习算法的框架，包含最先进的分布式流机器学习算法库。
1.samoa (Scalable Advanced Massive Online Analysis)is a platform for mining big data streams (De Francisci Morales, 2013). Written in java.
2.It’s also a library. Provide classify,cluster,regression(回归）。
Classify :VHT --Vertical Hoeffding Tree --流信息决策树的一个分布式版本。
Clustering:一种基于ClusterStream的算法.
meta-algorithms（集成学习算法）： such as bagging and boosting
集成学习：所谓的集成学习，就是用多重或多个弱分类器结合为一个强分类器，从而达到提升分类方法效果。
Bagging:将原始数据随机采样，形成N个子数据集，分布训练得到N个弱分类器，然后将结果合并，例如用得到的N个弱分类器，投票决定分类结果。
例如（1,1,0），结果为1.
Boosting: 像Bagging的加强版，区别是每次弱分类是一个不断迭代的过程，将上次分错的数据迭代进下一次分类，使得下次分类尽可能将错误数据分对，这样就可以使得最后综合时，尽可能的将错误数据分对。这种迭代将使结果无限接近最优分类，但是因为更加倾向于处理分错的样本，使得离群的错误样本会影响分类效果。此外，相对于Bagging，在最后的融合时，对于各个分类器的分类结果是有权重的，而bagging中，每个分类器权重相同。