Online Voting Ensemble
Online Voting Ensemble je inkrementální metoda ansámblu, která udržuje skupinu základních klasifikátorů — každý je kontinuálně aktualizován na příchozích datech — a kombinuje jejich predikce prostřednictvím váženého či neváženého většinového hlasování. Je navržena pro datové proudy a adaptuje se na nestacionární distribuce bez nutnosti přetrénování od začátku, což ji činí vhodnou pro klasifikační úlohy v reálném čase, kde data přicházejí sekvenčně a může docházet k posunu konceptu (concept drift).
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 229–236. link ↗
- Bifet, A., Holmes, G., Pfahringer, B., Kirkby, R., & Gavaldà, R. (2009). New ensemble methods for evolving data streams. In Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 139–148. DOI: 10.1145/1557019.1557041 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Online Voting Ensemble (Incremental Majority-Vote Ensemble for Data Streams). ScholarGate. https://scholargate.app/cs/machine-learning/online-voting-ensemble
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Online BaggingStrojové učení↔ compare
- Online BoostingStrojové učení↔ compare
- Online LearningStrojové učení↔ compare
- Online Random ForestStrojové učení↔ compare
- Poloučený hlasovací ansámblStrojové učení↔ compare
- Hlasovací ansámblStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →