Tiešsaistes K-tuvāko kaimiņu algoritms
Tiešsaistes K-tuvāko kaimiņu algoritms (Online KNN) pielāgo klasisko KNN algoritmu datu plūsmas videi, kur novērojumi pienāk secīgi un modelim ir jāatjauninās pakāpeniski bez pilnīgas pārmācīšanās. Tā vietā, lai glabātu visas vēsturiskās instances, tas uztur ierobežotu slīdošo logu vai adaptīvu atmiņu, izmantojot jaunākos un reprezentatīvākos piemērus, lai klasificētu vai prognozētu katru ienākošo punktu pēc tuvuma.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/lv/machine-learning/online-k-nearest-neighbors
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.
- Tiešsaistes lēmumu koksMašīnmācīšanās↔ compare
- Tiešsaistes apguveMašīnmācīšanās↔ compare
- Tiešsaistes Naivais Beijsa klasifikatorsMašīnmācīšanās↔ compare
- Tiešsaistes nejaušais mežsMašīnmācīšanās↔ compare
- Pusgadīgi K tuvāko kaimiņu metodeMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →