Online Voting Ensemble
Online Voting Ensemble er en inkrementel ensemblemetode, der vedligeholder en pulje af basale klassifikatorer – hver opdateret løbende på ankommende data – og kombinerer deres forudsigelser gennem et vægtet eller uvægtet flertalsafstemning. Designet til datastrømme, tilpasser den sig til ikke-stationære fordelinger uden genoptræning fra bunden, hvilket gør den velegnet til klassifikationsopgaver i realtid, hvor data ankommer sekventielt, og konceptdrift kan forekomme.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Voting Ensemble (Incremental Majority-Vote Ensemble for Data Streams). ScholarGate. https://scholargate.app/da/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 BaggingMaskinlæring↔ compare
- Online BoostingMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online Random ForestMaskinlæring↔ compare
- Semi-supervised Voting EnsembleMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →