Online Voting Ensemble
Online Voting Ensemble ist eine inkrementelle Ensemble-Methode, die einen Pool von Basisklassifikatoren pflegt – jeder kontinuierlich auf ankommenden Daten aktualisiert – und deren Vorhersagen durch gewichtete oder ungewichtete Mehrheitsentscheide kombiniert. Entwickelt für Datenströme, passt sie sich an nicht-stationäre Verteilungen an, ohne von Grund auf neu trainiert werden zu müssen, was sie gut für Echtzeit-Klassifizierungsaufgaben geeignet macht, bei denen Daten sequenziell ankommen und Konzeptdrift auftreten kann.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Voting Ensemble (Incremental Majority-Vote Ensemble for Data Streams). ScholarGate. https://scholargate.app/de/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 BaggingMaschinelles Lernen↔ compare
- Online BoostingMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Online Random ForestMaschinelles Lernen↔ compare
- Semi-überwachtes Voting-EnsembleMaschinelles Lernen↔ compare
- Voting EnsembleMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →