ऑनलाइन के-नियरेस्ट नेबर्स
ऑनलाइन के-नियरेस्ट नेबर्स (ऑनलाइन केएनएन) क्लासिक केएनएन एल्गोरिथम को डेटा-स्ट्रीम सेटिंग के अनुकूल बनाता है जहाँ अवलोकन क्रमिक रूप से आते हैं और मॉडल को पूर्ण पुनःप्रशिक्षण के बिना वृद्धिशील रूप से अपडेट होना चाहिए। सभी ऐतिहासिक उदाहरणों को संग्रहीत करने के बजाय, यह एक सीमित स्लाइडिंग विंडो या अनुकूली मेमोरी बनाए रखता है, प्रत्येक आने वाले बिंदु को निकटता से वर्गीकृत या भविष्यवाणी करने के लिए सबसे हालिया और सबसे प्रतिनिधि उदाहरणों का उपयोग करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/hi/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.
- ऑनलाइन डिसीजन ट्रीमशीन अधिगम↔ compare
- ऑनलाइन लर्निंगमशीन अधिगम↔ compare
- ऑनलाइन नेव बेज़ (Online Naive Bayes)मशीन अधिगम↔ compare
- ऑनलाइन रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित K-निकटतम पड़ोसी (Semi-supervised K-Nearest Neighbors)मशीन अधिगम↔ compare