Random Forest en línea
Random Forest en línea (ORF) extiende el clásico Random Forest a entornos de transmisión (streaming), actualizando cada árbol incrementalmente a medida que llegan nuevas observaciones sin almacenar ni reproducir el conjunto de datos de entrenamiento completo. Algoritmos como Adaptive Random Forests (ARF) añaden detección de deriva (drift detection) para que el conjunto (ensemble) se adapte cuando la distribución de los datos cambia con el tiempo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fuentes
- Saffari, A., Leistner, C., Santner, J., Godec, M., & Bischof, H. (2009). On-line random forests. In Proceedings of the 3rd IEEE International Workshop on On-Line Learning for Computer Vision (OLCV 2009), pp. 1–8. IEEE. link ↗
- Gomes, H. M., Bifet, A., Read, J., Barddal, J. P., Enembreck, F., Pfharinger, B., Holmes, G., & Abdessalem, T. (2017). Adaptive random forests for evolving data stream classification. Machine Learning, 106(9), 1469–1495. DOI: 10.1007/s10994-017-5642-8 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/es/machine-learning/online-random-forest
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 BaggingAprendizaje automático↔ compare
- Árbol de Decisión en LíneaAprendizaje automático↔ compare
- Gradient Boosting en LíneaAprendizaje automático↔ compare
- Aprendizaje en líneaAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Bosque Aleatorio Semi-supervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →