Online Decision Tree
Ein Online Decision Tree ist ein Entscheidungsbaum, der sich inkrementell aus einem kontinuierlichen Datenstrom entwickelt, ohne vergangene Beispiele erneut zu betrachten. Der dominierende Algorithmus, der Hoeffding Tree (VFDT), verwendet die Hoeffding-Schranke, um zu entscheiden, wann genügend Beispiele an einem Knoten gesehen wurden, um ihn mit Sicherheit zu teilen. Dies ermöglicht skalierbare Echtzeitklassifizierung auf potenziell unendlichen Datenströmen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Decision Tree (Incremental / Streaming Decision Tree Learning). ScholarGate. https://scholargate.app/de/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.
- EntscheidungsbaumMaschinelles Lernen↔ compare
- Online Gradient BoostingMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Online Naive BayesMaschinelles Lernen↔ compare
- Online Random ForestMaschinelles Lernen↔ compare
- Halb-überwachtes EntscheidungsbaumverfahrenMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →