Online K-Nearest Neighbors
Online K-Nearest Neighbors (Online KNN) passt den klassischen KNN-Algorithmus an eine Datenstromumgebung an, in der Beobachtungen sequenziell eintreffen und das Modell inkrementell aktualisiert werden muss, ohne eine vollständige Neutrainierung zu erfordern. Anstatt alle historischen Instanzen zu speichern, wird ein begrenztes gleitendes Fenster oder ein adaptiver Speicher beibehalten, der die jüngsten und repräsentativsten Beispiele verwendet, um jeden eingehenden Punkt anhand seiner Nähe zu klassifizieren oder vorherzusagen.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/de/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 TreeMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Online Naive BayesMaschinelles Lernen↔ compare
- Online Random ForestMaschinelles Lernen↔ compare
- Semi-supervised K-Nearest NeighborsMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →