Online Random Forest
Online Random Forest (ORF) proširuje klasični Random Forest na okruženja sa streaming podacima, ažurirajući svako stablo inkrementalno kako nove opservacije pristižu, bez pohranjivanja ili ponovnog prolaska kroz cijeli skup podataka za treniranje. Algoritmi poput Adaptive Random Forests (ARF) dodaju detekciju pomaka (drift detection) kako bi se ansambl prilagodio kada se distribucija podataka mijenja tijekom vremena.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/hr/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.
- Mrežno skupno učenje (Online Bagging)Strojno učenje↔ compare
- Online Decision TreeStrojno učenje↔ compare
- Online Gradient BoostingStrojno učenje↔ compare
- Mrežno učenjeStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Polu-nadgledana šumska stablaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →