K-plus-proches voisins en ligne
L'algorithme des K-plus-proches voisins en ligne (Online KNN) adapte l'algorithme KNN classique à un contexte de flux de données où les observations arrivent séquentiellement et le modèle doit se mettre à jour de manière incrémentale sans réentraînement complet. Au lieu de stocker toutes les instances historiques, il maintient une fenêtre glissante bornée ou une mémoire adaptative, utilisant les exemples les plus récents et les plus représentatifs pour classer ou prédire chaque point entrant par proximité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/fr/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.
- Arbre de décision en ligneApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Naive Bayes en ligneApprentissage automatique↔ compare
- Forêt aléatoire en ligneApprentissage automatique↔ compare
- K-plus proches voisins semi-supervisésApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →