随着互联网技术的不断发展,大数据技术在各个领域的应用越来越多,包括通讯数据的分析、生产类数据对产品开发的帮助、电子商务和金融监管领域等。与传统数据挖掘相比,当今的数据流挖掘具有海量性,无限性,动态性等特点。这使得传统的挖掘算法已经无法完全适应当下的数据流挖掘应用。在大数据技术发展和大量应用的当下,从数据流中挖掘信息已经成为国内外的研究重点。本文的研究内容是有关在征信系统中信用评估应用出现概念漂移时的应对策略研究,以及应对策略对整个系统复杂度,及其造成影响的研究。具体内容包含三个方面。首先,本文采用了改进型的集成算法,以改进算法提升模型对动态数据流的适应情况,减少概念漂移的不良影响。然后,使用滑动窗口策略,基于数据概率分布特点划分数据段,在不同的维度抑制概念漂移的影响。最后,研究抑制概念漂移时防止系统出现过拟合问题。具体研究工作如下:第一点,本文使用混合类型的集成算法,结合决策树和k近邻算法,以非同质集成的方法降低概念漂移的影响。第二点,本文使用滑动窗口技术将数据流划分成大小相同的窗口单元进行处理,提升滑动窗口的准确率,使得应对概念漂移的效果更加有效稳定。第三点,在抑制概念漂移的应用系统中,研究过拟合问题会造成的影响及应对方法。本文通过对比和模仿决策树过拟合问题的处理方案,对减少过拟合的危害作了一定研究。