Online K-Nearest Neighbors
Online K-Nearest Neighbors (Online KNN) tilpasser den klassiske KNN-algoritme til et datastrømsmiljø, hvor observationer ankommer sekventielt, og modellen skal opdateres inkrementelt uden fuld genoptræning. I stedet for at gemme alle historiske instanser opretholder den et begrænset glidende vindue eller et adaptivt hukommelsesmodul, der bruger de seneste og mest repræsentative eksempler til at klassificere eller forudsige hvert indkommende punkt baseret på nærhed.
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
- Losing, V., Hammer, B., & Wersing, H. (2016). KNN Classifier with Self Adjusting Memory for Heterogeneous Concept Drift. In Proceedings of the IEEE 16th International Conference on Data Mining (ICDM), pp. 291–300. IEEE. DOI: 10.1109/ICDM.2016.0040 ↗
- Gama, J. (2010). Knowledge Discovery from Data Streams. CRC Press / Chapman & Hall. ISBN: 978-1-4398-2611-9
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/da/machine-learning/online-k-nearest-neighbors
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 Decision TreeMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online Naive BayesMaskinlæring↔ compare
- Online Random ForestMaskinlæring↔ compare
- Semi-superviseret K-Nærmeste NaboerMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →