Online K-legközelebbi szomszédok
Az Online K-legközelebbi szomszédok (Online KNN) a klasszikus KNN algoritmust adatfolyam-környezethez igazítja, ahol a megfigyelések szekvenciálisan érkeznek, és a modellnek inkrementálisan kell frissülnie teljes újratanítás nélkül. Ahelyett, hogy minden korábbi példányt tárolna, egy korlátozott csúszó ablakot vagy adaptív memóriát tart fenn, a legfrissebb és legreprezentatívabb példákat használva az egyes bejövő pontok osztályozására vagy előrejelzésére a közelség alapján.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/hu/machine-learning/online-k-nearest-neighbors
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Online Decision TreeGépi tanulás↔ összehasonlítás
- Online tanulásGépi tanulás↔ összehasonlítás
- Online Naive BayesGépi tanulás↔ összehasonlítás
- Online Random ForestGépi tanulás↔ összehasonlítás
- Félfelügyelt K-legközelebbi szomszédokGépi tanulás↔ összehasonlítás
Similar methods
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →