Tiešsaistes nejaušais mežs
Tiešsaistes nejaušais mežs (ORF) paplašina klasisko nejaušo mežu (Random Forest) straumēšanas iestatījumiem, inkrementāli atjauninot katru koku, tiklīdz parādās jauni novērojumi, neuzglabājot un neatkārtojot visu apmācības kopu. Algoritmi, piemēram, adaptīvie nejaušie meži (Adaptive Random Forests – ARF), pievieno novirzes noteikšanu, lai ansamblis pielāgotos, ja datu sadalījums laika gaitā mainās.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Online Random Forest (Incremental Ensemble of Decision Trees). ScholarGate. https://scholargate.app/lv/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.
- Online BaggingMašīnmācīšanās↔ compare
- Tiešsaistes lēmumu koksMašīnmācīšanās↔ compare
- Tiešsaistes gradientu pastiprināšanaMašīnmācīšanās↔ compare
- Tiešsaistes apguveMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Daļēji uzraudzīts Random ForestMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →