Pohon Keputusan Daring
Pohon Keputusan Daring adalah pohon keputusan yang tumbuh secara inkremental dari aliran data kontinu tanpa meninjau kembali contoh-contoh sebelumnya. Algoritma dominan, Pohon Hoeffding (VFDT), menggunakan batas Hoeffding untuk memutuskan kapan cukup banyak contoh telah dilihat di sebuah node untuk membaginya dengan percaya diri, memungkinkan klasifikasi berskala, waktu-nyata pada aliran data yang berpotensi tak terbatas.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Domingos, P., & Hulten, G. (2000). Mining very fast data streams. In Proceedings of the 6th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 71–80). ACM. link ↗
- Hulten, G., Spencer, L., & Domingos, P. (2001). Mining time-changing data streams. In Proceedings of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 97–106). ACM. DOI: 10.1145/502512.502529 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Online Decision Tree (Incremental / Streaming Decision Tree Learning). ScholarGate. https://scholargate.app/id/machine-learning/online-decision-tree
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.
- Pohon KeputusanPembelajaran Mesin↔ compare
- Peningkat Gradien DaringPembelajaran Mesin↔ compare
- Pembelajaran DaringPembelajaran Mesin↔ compare
- Naive Bayes DaringPembelajaran Mesin↔ compare
- Random Forest DaringPembelajaran Mesin↔ compare
- Pohon Keputusan Semi-TerawasiPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →