Ensemble par vote en ligne
L'ensemble par vote en ligne est une méthode d'ensemble incrémentale qui maintient un pool de classifieurs de base — chacun mis à jour en continu sur les données entrantes — et combine leurs prédictions par un vote majoritaire pondéré ou non pondéré. Conçu pour les flux de données, il s'adapte aux distributions non stationnaires sans réapprentissage à partir de zéro, ce qui le rend bien adapté aux tâches de classification en temps réel où les données arrivent séquentiellement et où la dérive conceptuelle peut se produire.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Voting Ensemble (Incremental Majority-Vote Ensemble for Data Streams). ScholarGate. https://scholargate.app/fr/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 BaggingApprentissage automatique↔ compare
- Boosting en ligneApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Forêt aléatoire en ligneApprentissage automatique↔ compare
- Ensemble de vote semi-superviséApprentissage automatique↔ compare
- Ensemble par voteApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →