Online Decision Tree
Et Online Decision Tree er et beslutningstræ, der vokser inkrementelt fra en kontinuerlig datastrøm uden at genbesøge tidligere eksempler. Den dominerende algoritme, Hoeffding Tree (VFDT), bruger Hoeffding-grænsen til at afgøre, hvornår nok eksempler er observeret ved en knude til at opdele den med sikkerhed, hvilket muliggør skalerbar, realtids klassifikation på potentielt uendelige datastrømme.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Domingos, P., & Hulten, G. (2000). Mining very fast data streams. In Proceedings of the 6th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 71–80). ACM. link ↗
- Hulten, G., Spencer, L., & Domingos, P. (2001). Mining time-changing data streams. In Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 97–106). ACM. DOI: 10.1145/502512.502529 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Decision Tree (Incremental / Streaming Decision Tree Learning). ScholarGate. https://scholargate.app/da/machine-learning/online-decision-tree
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.
- BeslutningstræMaskinlæring↔ compare
- Online Gradient BoostingMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online Naive BayesMaskinlæring↔ compare
- Online Random ForestMaskinlæring↔ compare
- Semi-overvåget BeslutningstræMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →