Online K-Nearest Neighbors
Online K-Nearest Neighbors (Online KNN) past het klassieke KNN-algoritme aan voor een data-stream-setting waarbij observaties sequentieel binnenkomen en het model incrementeel moet worden bijgewerkt zonder volledige hertraining. In plaats van alle historische instanties op te slaan, onderhoudt het een begrensde schuifvenster of adaptief geheugen, waarbij de meest recente en meest representatieve voorbeelden worden gebruikt om elk binnenkomend punt te classificeren of te voorspellen op basis van nabijheid.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/nl/machine-learning/online-k-nearest-neighbors
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Online Decision TreeMachine learning↔ vergelijken
- Online LerenMachine learning↔ vergelijken
- Online Naive BayesMachine learning↔ vergelijken
- Online Random ForestMachine learning↔ vergelijken
- Semi-supervised K-Nearest NeighborsMachine learning↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →