Online Voting Ensemble
Online Voting Ensemble è un metodo di ensemble incrementale che mantiene un pool di classificatori base — ciascuno aggiornato continuamente sui dati in arrivo — e combina le loro predizioni attraverso un voto di maggioranza pesato o non pesato. Progettato per flussi di dati (data streams), si adatta a distribuzioni non stazionarie senza riaddestramento da zero, rendendolo ben adatto a compiti di classificazione in tempo reale in cui i dati arrivano sequenzialmente e può verificarsi concept drift.
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.
Fonti
- Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 229–236. link ↗
- Bifet, A., Holmes, G., Pfahringer, B., Kirkby, R., & Gavaldà, R. (2009). New ensemble methods for evolving data streams. In Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 139–148. DOI: 10.1145/1557019.1557041 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Online Voting Ensemble (Incremental Majority-Vote Ensemble for Data Streams). ScholarGate. https://scholargate.app/it/machine-learning/online-voting-ensemble
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
- Boosting OnlineApprendimento automatico↔ compare
- Apprendimento OnlineApprendimento automatico↔ compare
- Online Random ForestApprendimento automatico↔ compare
- Semi-supervised Voting EnsembleApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →