Online Random Forest
Online Random Forest (ORF) estende il classico Random Forest (Foresta Casuale) a contesti di streaming, aggiornando ogni albero incrementalmente man mano che arrivano nuove osservazioni, senza memorizzare o riprodurre l'intero set di addestramento. Algoritmi come Adaptive Random Forests (ARF) aggiungono il rilevamento del drift (cambiamento concettuale) in modo che l'ensemble si adatti quando la distribuzione dei dati cambia nel tempo.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/it/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.
- Bagging OnlineApprendimento automatico↔ compare
- Albero Decisionale OnlineApprendimento automatico↔ compare
- Gradient Boosting OnlineApprendimento automatico↔ compare
- Apprendimento OnlineApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- Random Forest Semi-SupervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →